MINERÍA DE DATOS
CREAR UNA APLICACION DE MINERIA DE DATOS PARA DETERMINAR PATRONES
DEL COVID-19 EN LAS PERSONAS A NIVEL DE EUROPA
Suarez Gatica
Franz Carlos
Mamani Condori
Jaime
Vargas Bravo
Ivan Mijael
Gonzales Ayala
María Alejandra
Módulo: Minería y Ciencia de Datos
Docente: Ing. David E. Mendoza Gutiérrez
Integrantes:
HISTORIA
SITUACIÓN PROBLEMÁTICA
En esta situación de la Pandemia a
nivel Mundial, se requiere tener
información acerca de los países de
primer mundo. Así poder hacer una
comparativa con respecto a nuesto
país y todos los paises de
latinoamerica.
OBJETIVO GENERAL
Crear una aplicación de minería
de datos para determinar
patrones del COVID-19 en las
personas en todos los paises
europeos.
ALCANCE
El proyecto consiste en la creación de una aplicación utilizando Visual
Studio Analysis Services multidimensional de acuerdo al algoritmo
aplicado.
• Se necesita de modelado para el análisis de la información a ser
procesada.
• Resultados de la aplicación del algoritmo elegido.
• Interpretación de los resultados obtenidos.
TÉCNICAS DE MINERÍA DE DATOS
Agrupamiento
o Clustering
Reglas de
asociación
AGRUPAMIENTO
O CLUSTERING
 Es un procedimiento de
agrupación de una serie de
vectores según criterios
habitualmente de distancia; se
tratará de disponer los vectores
de entrada de forma que estén
más cercanos aquellos que
tengan características comunes.
REGLAS DE ASOCIACIÓN
 Se utilizan para descubrir hechos que
ocurren en común dentro de un
determinado conjunto de datos.
MICROSOFT SQL
SERVER ANALYSIS SERVICIES
Microsoft SQL
Server Analysis Services, SSAS, es
una herramienta de
procesamiento analítico y
minería de datos en línea en
Microsoft SQL Server
VARIABLES DE ESTUDIO
• Edad
• Género
• Tasa de mortalidad infantil
• Camas hospitalarias
• Enfermeras
• Médicos
• Esperanza de vida
• Diabetes prevalencia
• Prevalencia de tabaquismo
• Temperatura media
• Población masculina
• Población femenina
• Total confirmados
• Total decesos
FUENTE DE DATOS
 La fuente de datos de
donde se partió fue
archivos de Excel en
formato .csv
ANÁLISIS DE DATOS
 Crear un proyecto para
Analisis de datos.
 Crear origen de datos con
SQL Server
 Vistas
 Cubos
 Dimensiones
ANÁLISIS DE DATOS
ANÁLISIS DE DATOS
ASOCIACIÓN
Total confirmados
RED DE DEPENDENCIAS
Cluster Total de Decesos
Asociación (Total de Decesos)
CONCLUSIONES
• Se seleccionó la información de origen de datos sobre el
COVID-19 en el continente europeo.
• Se realizó la limpieza de los datos.
• Se logró definir los algoritmos para análisis de los datos.
• Se escogió el software para poder realizar la minería de datos y
poder sacar información procesada para su interpretación.
REFERENCIAS BIBLIOGRÁFICAS
Microsoft SQL Server Analysis Services. Recuperdo de:
https://docs.microsoft.com/en-us/analysis-services/ssas-overview?view=asallproducts-
allversions [2021, 22 de Marzo]
Clustering. Recuperado de: https://towardsdatascience.com/k-means-data-clustering-
bce3335d2203 [2021, 22 de Marzo]
GRACIAS … !!!

Minería de Datos Covid-19

  • 1.
    MINERÍA DE DATOS CREARUNA APLICACION DE MINERIA DE DATOS PARA DETERMINAR PATRONES DEL COVID-19 EN LAS PERSONAS A NIVEL DE EUROPA Suarez Gatica Franz Carlos Mamani Condori Jaime Vargas Bravo Ivan Mijael Gonzales Ayala María Alejandra Módulo: Minería y Ciencia de Datos Docente: Ing. David E. Mendoza Gutiérrez Integrantes:
  • 2.
  • 3.
    SITUACIÓN PROBLEMÁTICA En estasituación de la Pandemia a nivel Mundial, se requiere tener información acerca de los países de primer mundo. Así poder hacer una comparativa con respecto a nuesto país y todos los paises de latinoamerica.
  • 4.
    OBJETIVO GENERAL Crear unaaplicación de minería de datos para determinar patrones del COVID-19 en las personas en todos los paises europeos.
  • 5.
    ALCANCE El proyecto consisteen la creación de una aplicación utilizando Visual Studio Analysis Services multidimensional de acuerdo al algoritmo aplicado. • Se necesita de modelado para el análisis de la información a ser procesada. • Resultados de la aplicación del algoritmo elegido. • Interpretación de los resultados obtenidos.
  • 6.
    TÉCNICAS DE MINERÍADE DATOS Agrupamiento o Clustering Reglas de asociación
  • 7.
    AGRUPAMIENTO O CLUSTERING  Esun procedimiento de agrupación de una serie de vectores según criterios habitualmente de distancia; se tratará de disponer los vectores de entrada de forma que estén más cercanos aquellos que tengan características comunes.
  • 8.
    REGLAS DE ASOCIACIÓN Se utilizan para descubrir hechos que ocurren en común dentro de un determinado conjunto de datos.
  • 9.
    MICROSOFT SQL SERVER ANALYSISSERVICIES Microsoft SQL Server Analysis Services, SSAS, es una herramienta de procesamiento analítico y minería de datos en línea en Microsoft SQL Server
  • 10.
    VARIABLES DE ESTUDIO •Edad • Género • Tasa de mortalidad infantil • Camas hospitalarias • Enfermeras • Médicos • Esperanza de vida • Diabetes prevalencia • Prevalencia de tabaquismo • Temperatura media • Población masculina • Población femenina • Total confirmados • Total decesos
  • 11.
    FUENTE DE DATOS La fuente de datos de donde se partió fue archivos de Excel en formato .csv
  • 12.
    ANÁLISIS DE DATOS Crear un proyecto para Analisis de datos.  Crear origen de datos con SQL Server  Vistas  Cubos  Dimensiones
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
    CONCLUSIONES • Se seleccionóla información de origen de datos sobre el COVID-19 en el continente europeo. • Se realizó la limpieza de los datos. • Se logró definir los algoritmos para análisis de los datos. • Se escogió el software para poder realizar la minería de datos y poder sacar información procesada para su interpretación.
  • 20.
    REFERENCIAS BIBLIOGRÁFICAS Microsoft SQLServer Analysis Services. Recuperdo de: https://docs.microsoft.com/en-us/analysis-services/ssas-overview?view=asallproducts- allversions [2021, 22 de Marzo] Clustering. Recuperado de: https://towardsdatascience.com/k-means-data-clustering- bce3335d2203 [2021, 22 de Marzo]
  • 21.