Detalle Asignatura

DATA MINING - 523586

  • Descripción :
    Asignatura destinada a entregar a los alumnos los nuevos metodos de DATA MINING, metodos de clasificacion y de prediccion, y nociones basicas de Text mining, necesarios para resolver problemas economicos, industriales y de marketing.

    Esta asignatura contribuye a las siguientes competencias del perfil de egreso del Ingeniero Estadistico:
    C1. Analizar datos mediante las herramientas estadisticas e informaticas adecuadas.
    C2.Presentar los resultados y conclusiones del analisis en forma clara, ordenada y atractiva, utilizando un lenguaje comprensible en el contexto de la disciplina.
    C4. Manejar eficientemente grandes volumenes de informacion.
    C5. Modelar estadisticamente problemas, en el contexto de la disciplina de origen.


  • Resultados aprendizaje esperados :
    R.1. Conoce el origen del problema (Borda 1770).
    R.2. Presenta el problema matematicamente (Regla de la mayoria de Condorcet).
    R.3. Entiende la modelacion del problema de Condorcet para la clasificacion de datos.
    R.4. Maneja tecnicas avanzadas de prediccion para la clasificacion de los datos.
    R.5. Aplica las tecnicas para el Scoring.
    R.6. Entiende el concepto de Text mining y su aplicacion.

  • Contenidos :
    -Introduccion: Data warehouse, Data mart, Data mining, y Text mining.
    -Ranking y clasificacion en Data Mining: Introduccion a la regla de Condorcet: origine, definicion de la regla de Condorcet. Mal interpretacion de la regla de Condorcet: Paradoja de Condorcet y paradoja del triangulo rectangulo medio. Las condiciones verificadas por la regla de Condorcet. Analisis factorial multiple: Tabla de Burt. La relacion entre el analisis factorial y el analisis relacional.
    -Arboles de decisiones: construccion del arbol de decision, utilizacion del arbol de decision con fin de clasificar los datos y validacion del arbol de decision.
    -SVM: introduccion a las maquinas de vectores de soporte lineal, no lineal y sus aplicaciones.
    -Reglas de asociaciones: Definicion, algoritmo A-Priori, aplicaciones.
    -El scoring: tipos de scoring, introduccion al metodo RFM, aplicacion del RFM y regresion logistica.
    -Text mining: Breve introduccion a Text mining, aplicaciones.

  • Metodología :
    Clases expositivas, tareas practicas individuales y proyectos grupales.

  • Evaluación :
    -Evaluaciones escritas.
    -Trabajo grupal.

  • Facultad :CS FISICAS Y MATEMATICAS
  • Departamento :ESTADISTICA
  • Creditos :4
  • Cupos :22
  • Campus :CONCEPCION

Emergencias

Emergencias Personales
Guardias UdeC: 41 220 3000
Policlínico ACHS*:41 220 4577
Ambulancia ACHS: 1404
Asistencia Covid-19: 22 820 3002
Emergencias Químicas

MATPEL:
41 220 3330 / 41 220 7352

Externos
Ambulancia: 131
Bomberos: 132
Carabineros: 133
PDI: 134