Este documento presenta una introducción al proceso de minería de datos, incluyendo las metodologías CRIPS y SEMMA, las fases del proceso (comprensión del negocio, preparación y comprensión de datos, modelado, evaluación y despliegue), y los estándares y herramientas de software comúnmente utilizados.

1. El Proceso de la Minería de Datos Ing. Samuel Oporto Díaz (Mag) [email_address]

2. Mapa del Curso

4. METODOLOGIAS PARA LA MINERIA DE DATOS

5. CRIPS

7. Visión general Comprensión del negocio Comprensión de los datos Preparación de los datos Modelación Evaluación Despliegue de resultados DATOS

8. Fases Determinación de los objetivos. Definición de Criterios de Éxito. Calificación de la Situación. Determinación de las metas de la Minería de datos Recolectar los datos iniciales. Descripción de los datos. Exploración de los Datos. Verificación de la Calidad de los datos. Selección de Datos. Limpieza de los Datos. Construcción de Nuevos Datos. Formateo de los Datos. Selección de la Técnica de Modelación. Generación de Pruebas para el Modelo. Construcción del Modelo. Calificación del Modelo. Aplicación del modelo a la rutina diaria. Monitoreo y mantenimiento. Reporte Final Evaluación del modelo con respecto a los objetivos del proyecto. Evaluación costo-beneficio. Evaluar su aplicación en la realidad Comprensión de negocio Entendimiento de datos Preparación de datos Modelado Evaluación Despliegue de resultados

9. SEMMA

14. Comparación SEMMA CRISP Orientado al desarrollo del proceso de MD Orientado a los objetivos empresariales Se inicia analizando los datos Se inicia analizando los objetivos del negocio Ligada a productos SAS Metodología abierta y gratuita Orientado a una metodología de gestión de proyectos

15. EL PROCESO DE LA MINERÍA DE DATOS

16. El Proceso de la Minería de Datos Explotación Data Selección Conocimiento Patrones Minería de Datos Interpretación/ Evaluación Preparación de Datos Data Pre-procesada Datos Modelos Despliegue inducción deducción

19. CRIPS

20. Jerarquía

21. Fases

22. Tareas Genéricas y Resultados

24. Comprensión de negocio

26. Entendimiento de los Datos

27. Entendimiento de los Datos Recolección de datos iníciales Descripción de los datos Exploración de los datos Verificación de la calidad de los datos univariada multivariada series de datos

29. Preparación de los Datos

30. Preparación de los Datos Limpieza de datos Integración de Datos Transformación de datos Reducción de datos Valores extremos Valores null Valores con ruido Valores inconsistentes Valores mal clasificados Problemas de semántica ¿significa lo mismo? Problemas de temporalidad ¿cuándo fue registrado? Problemas de codificación y formato. Problemas de idioma. Problemas de duplicidad ¿cuál vale? Problema de medio de almacenamiento. Filas: suma y agregación de datos Columnas: log, sin, exp, tan, etc… Funciones entre columnas.

32. Modelado

35. Evaluación del Modelo

36. Evaluación de Modelos Matriz de confusión Curva ROC Lift charts

38. Explotación de Resultados

39. ESTÁNDARES PARA LA MINERIA DE DATOS

43. HERRAMIENTAS DE SOFTWARE PARA MINERÍA DE DATOS

44. SAS System

45. SQL Server Data Mining

46. ORACLE DATA MINING

47. IBM - DB2 Intelligent Miner

48. SPSS Data Mining Pack

49. Clementine

50. Weka

51. XLMiner

53. PREGUNTAS

54. Mg. Samuel Oporto Díaz [email_address] http://www.wiphala.net/oporto