Fundamentos de Minería de Datos.

Format:

Book

Author/Creator:

Rodríguez Rodríguez, Jorge Enrique.

Language:

Spanish

Subjects (All):

Data mining.

Artificial intelligence.

Physical Description:

1 online resource (126 pages)

Edition:

1st ed.

Place of Publication:

Bogotá : Universidad Distrital Francisco Jose de Caldas, 2010.

Summary:

Este es un texto introductorio para estudiantes y docentes interesados en abordar temáticas relacionadas con minería de datos. En cada capítulo se plantea teoría con respecto a tareas y técnicas, a continuación se muestran ejemplos y ejercicios, por ultimo un resumen. El primer capítulo presenta conceptos, areas, aplicaciones, tareas y otras disciplinas con las cuales se relaciona la minería de datos; en el segundo se describe el pre procesamiento de datos, destacando tareas de esta fase y algunas técnicas o algoritmos para llevar a cabo cada una de ellas; el tercero introduce al lector en una tarea de minería de datos que centra su aplicación en el análisis de mercadeo: esta es la asociación de datos; el cuarto está orientado a la predicción de datos, haciendo énfasis en clasificación y regresión, se describe como las redes neuronales artificiales, los métodos bayesianos y la regresión estadística pueden ser usados para estimar valores futuros a partir de variables predictoras; en el quinto muestra una de las tareas más representativas de minería de los datos: la agrupación por datos. Por último, se destaca el software UDMiner, desarrollado por el grupo de investigación de Inteligencia Artificial de la Universidad Distrital Francisco José de Caldas y con el cual se podrá poner en práctica y seguir la teoría aquí planteada.

Contents:

Cubierta

Portadilla

Portada

Créditos

Contenido

Introducción

1. Conceptos de minería de datos

1.1. Evolución de las tecnologías de la información

1.2. ¿Para qué sirve la minería de datos?

1.3. Descubrimiento de conocimiento en bases de datos (KDD)

1.4. Tareas de minería de datos

1.5. Relación con otras disciplinas

Resumen

Ejercicios propuestos

2. Preprocesamiento de datos

2.1. Recolección e integración

2.1.1. Modelo de datos multidimensional

2.1.2. Bodegas de datos

2.2. Detección de valores anómalos (outliers)

2.3. Valores faltantes

2.3.1. Métodos bayesianos

2.3.2. Moda y promedio

2.4. Reducción de la dimensionalidad

2.4.1. Selección de atributos

2.4.1.1. Árboles de decisión

2.4.1.2. Selección de atributos a partir de la comparación de la media y la varianza

2.4.2. Transformación de datos

2.5. Discretización de datos Generated by AI.

Notes:

Description based on publisher supplied metadata and other sources.

Part of the metadata in this record was created by AI, based on the text of the resource.

ISBN:

9789587875522

9587875524

OCLC:

1433996314