Introducción.
Bodegas de Datos Data Warehouse (DW)
- Introducción
- Un modelo de datos multidimensional
- Arquitectura de un Data Warehouse
- Implementación de un Data Warehouse
- Data Warehouse y Minería de datos
Pre-procesamiento de Datos
Introducción
El pre-procesamiento de datos.
-Técnicas
Resumen descriptivo de datos.
Limpieza de datos
Integración y transformación de datos.
Reducción de datos.
Generación de jerarquías.
Computación de Cubos de Datos (Data Cubes) y Generalizaciones de Datos
Cálculo eficiente de Data Cubes
Exploración y descubrimiento en bases de datos multidimensionales
Inducción orientada a atributos
Análisis de agrupamiento (Cluster analysis)
Introducción.
Tipos de Datos.
Categorización de métodos de agrupamiento.
“Agrupando” datos de alta dimensionalidad.
Análisis de valores atípicos (Outliers) o información ruidosa.
Métodos Jerárquicos
Métodos basados en densidad
Modelos basados en métodos de agrupamiento.
Minado de Patrones Frecuentes, Asociaciones, y Correlaciones
Conceptos básicos
Minado eficiente y escalable de conjuntos de elementos frecuentes
Minando varios tipos de reglas de asociación
Del minado de reglas de asociación al análisis de correlaciones
Modelos de clasificación y predicción
Aprendizaje supervisado
Árboles de decisión
Clasificador Bayesiano
Clasificación basada en reglas
Redes neuronales
Otros métodos de clasificación
Precisión de un modelo
Biblografía:
Data Mining, Jiawei-Han and Micheline Kamber, ed. Morgan Kaufman (2006).
Data Mining: Practical Machine Learning Tools and Techniques,Witten, Ian H., Frank, Eibe, Second Edition Morgan Kaufmann (2005)
Pattern recognition and machine learning, Christopher M. Bishop, ed. Springer (2006).
Software
Postgresql 8.3
Weka 3.6