Este documento trata sobre minería de datos. Explica que la minería de datos combina múltiples fuentes de datos para extraer patrones ocultos y proporcionar información valiosa. Detalla los pasos de la minería de datos, que incluyen la recolección, limpieza, análisis e interpretación de datos. También menciona algunas aplicaciones como comprender la satisfacción del cliente y prevenir fraudes, así como algoritmos comunes como árboles de decisión y k-means.

1. MINERIA DE DATOS
Docente: Ing. David E. Mendoza

2. Minería de datos
 Actualmente todo esta ligado a los datos y somos capaces de manejar dichos
datos.
 Al recopilar e inspeccionar estos datos, la misma gente pudo descubrir algunos
patrones.
 En algunos datos dichos patrones están ocultos y estos se pueden extraer
combinando múltiples fuentes de datos para proporcionar información valiosa.
 Esto es minado de datos.

3. Minería de datos
 La minería de datos a menudo se combina
con varias fuentes de datos.
 La cantidad de datos disponibles es un
factor crítico aquí.
 Hay muchos ejemplos de éxitos y fracasos
de la minería de datos
La minería de datos te ayuda a:
 Entender lo que los clientes quieren.
 Detectar fraudes.
 Mejorar la eficacia laboral.
 Encontrar oportunidades.
 Pronosticar el futuro.

4. Minería de datos
Técnicas descriptivas
Agrupamiento
Técnicas de predicción
Regresión Clasificación
Asociación

5. PASOS DE LA MINERÍA DE DATOS
 Recolección de datos
La primera etapa es comprender los
objetivos de su proyecto de minería de
datos y en función de eso obtener los
datos necesarios para su posterior
comprensión.

6. PASOS DE LA MINERÍA DE DATOS
 Limpieza de datos
Dado que estamos recibiendo una gran
cantidad de datos, necesitamos
asegurarnos de que solo tenemos los
datos necesarios y eliminar los no
deseados.

7. PASOS DE LA MINERÍA DE DATOS
 Análisis de datos
Este es el corazón del proceso de
minería de datos. Como su nombre
lo indica, el análisis y la búsqueda
de patrones se realiza en este paso.

8. PASOS DE LA MINERÍA DE DATOS
 Interpretación
Finalmente, los datos analizados son
interpretados para tomar
conclusiones importantes como
predicciones.

9. UTILIDAD DE LAS HERRAMIENTAS DE
MINERÍA DE DATOS

10. APLICACIONES
 Comprender la satisfacción del cliente.
 Anuncios dirigidos y a medida.
 Diagnostico medico

11. APLICACIONES
 Optimización de la industria de seguros
 Evaluación del riesgo de crédito.
 Prevención del fraude financiero

12. ALGORITMOS
 Arboles de Decisión
 El algoritmo K-means
 Máquinas de vectores de soporte
 El algoritmo Apriori
 El algoritmo EM
 Algoritmo PageRank
 Algoritmo AdaBoost
 Algoritmo del vecino k más cercano
 Naive Baye
 Algoritmo CART

13. Arboles de Decisión

14. El algoritmo K-means

15. El algoritmo Naive Baye

16. El algoritmo Apriori

17. Referencias bibliográficas
González, L. [AprendeIA con Ligdi Gonzalez]. (2020, Junio 16). MINERÍA DE DATOS | #15 Aprende más sobre
Inteligencia Artificial [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=ciMsxJb12V4

18. GRACIAS