Minería de Datos

Este curso, perteneciente al Magister MPGI UC de la Escuela de Ingeniería, Facultad de Letras y Bibliotecas UC, está orientado a profesionales que necesiten diseñar, crear y administrar base de datos relacionales accediendo a la información a través de métodos de consulta.


Descripción

El objetivo de este curso es proporcionar al alumno elementos que le permitan entender las principales teorías y prácticas de la emergente área de Minería de Datos. Al final del curso el alumno deberá tener un conocimiento teórico y práctico de las principales técnicas utilizadas actualmente en la creación de programas capaces de extraer conocimiento relevante desde bases de datos y conocer algunas de las principales aplicaciones donde en la actualidad este tipo de técnicas están teniendo una amplia aceptación, comprendiendo sus potencialidades y limitaciones.

Dirigido a

Profesionales de las artes, humanidades, y ciencias como bibliotecólogos, sociólogos, periodistas, ingenieros, abogados, cientistas políticos, artistas, educadores, y en general personas que en su actividad laboral interactúan de forma extensa e intensa con datos e información, y su desempeño está expuesto a la calidad y veracidad de los mismos, ya sea que los generen y/o los reciban.

Prerrequisitos

Se sugiere conocimiento intermedio del idioma inglés, manejo a nivel usuario de programas computacionales en ambiente operativo Windows y navegación por internet, manejo intermedio planilla Excel.

Se requiere grado de licenciatura o título profesional universitario

Objetivo de aprendizaje
  • Aprender técnicas de clustering para procesamiento de información.
  • Comprender y aplicar algoritmos de clasificación.
  • Aplicar reglas de asociación.
Desglose de cursos

DESGLOSE
Nombre del curso: INP 3420 Minería de Datos
Nombre en inglés: INP 3420 Data Mining
Horas cronológicas: 60; Créditos: 10
Resultados de Aprendizaje

  • Aplicar técnicas de clustering para procesamiento de información.
  • Analizar patrones de datos para toma de decisiones.
  • Extraer conocimiento a través de reglas de asociación en minería de datos.

Contenidos:

  • Introducción El concepto y proceso de Minería de Datos, tipos de problemas en que la Minería de Datos es relevante.
  • Data Warehouse y OLAP

-                 Arquitecturas

-                 implementaciones

-                 aplicaciones en Minería de Datos.

  • Preparación de la información

-                 Datos ruidosos,

-                 Datos faltantes,

-                 reducción de la dimensionalidad y transformaciones, integración e inconsistencias.

  • Reducción de la Información

-                 Análisis de las Componentes principales

  • Reglas de asociación

-                 Algoritmo Apriori

  • Clasificación

-                 Árboles de Decisión

-                 NaiveBayes

-                 Razonamiento en Base a casos.

  • Clustering y medidas de similaridad en distintos tipos de datos.

-                 Clustering particional: K-Means, Mean Shift.

-                 Medidas de similaridad para distintos tipos de datos.

-                 Clustering aglomerativo.

  • Selección de Modelos (Hold Out, Cross Validation).
  • Conceptos Básicos en Minería de Texto.

 

Metodología de enseñanza y aprendizaje:

  • Clases expositivas
  • Actividades en clases
  • Trabajos grupales

 

Evaluación de los aprendizajes:

  • Tareas:                                     10%
  • Controles:                                30%
  • Trabajo final:                           60%

 

BIBLIOGRAFIA

  • Data Mining: Practical Machine Learning Tools and Techniques, Ian H. Witten, Eibe Frank 
  • Data Mining: Concepts and Techniques, Jiawei Han and Micheline Kamber.
  • Machine Learning, Tom M. Mitchell 
  • Kimball, R. ”The data warehouse toolkit : the complete guide to dimensional modeling”, John Wiley and Sons, 2002.
  • Inmon, W.H.,”Building the DataWarehouse”, John Wiley and Sons; 3th edition, 2002.
  • T. Hastie, R. Tibshirani, and J. Friedman, ”The Elements of Statistical Learning: Data Mining, Infe- rence, and Prediction”, Springer, 2001.
  • Berry, M. and Linoff, G., ”Data Mining Techniques for Marketing, Sales and Customer Support”, Wiley, 1997.
  • Berson, A., Thearling, K., and Smith, S. ”Building Data Mining Applications for CRM”, McGraw Hill, 1999.
  • Dyche, J., .e-Data: Turning Data into Information with Data Warehousing”, Addisson Wesley, 2000.
Equipo Docente

JEFE DE PROGRAMA
Mauricio Arriagada Benítez 
PhD(c) Ciencia de la Computación, Pontificia Universidad Católica de Chile – Chile , Ingeniero Civil en Computación e Informática, Universidad de Tarapacá – Chile. Master in Computer Science, University of Northern Iowa – USA. Master en Ingeniería de Software, Universidad de Tarapacá – Chile. Director Magister en Procesamiento y Gestión de la Información UC.

EQUIPO DOCENTE
Denis Parra
Profesor Asistente, PhD en la Universidad de Pittsburgh (PA, USA). Especialidad: Recommender Systems, Intelligent User Interfaces, Information Visualization and Visual Analytics. Experiencia en Programación y de Ingeniería de Software en la Universidad Austral de Chile entre los años 2004 y 2007. En la actualidad está a cargo del Exploratorio en Ciencias de la Computación y del curso de Data Mining el Magister en Procesamiento y Gestión de la Información (MPGI).

Lucas Valenzuela
Magister en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile.
* EP (Educación Profesional) de la Escuela de Ingeniería se reserva el derecho de remplazar, en caso de fuerza mayor, a él o los profesores indicados en este programa.

Requisitos de aprobación

Los alumnos deberán cumplir los siguientes requisitos para aprobar el programa:
a)              Calificación mínima del curso igual o superior a 4.0
b)             75% de asistencia o cifra superior a las sesiones presenciales.
*En los programas con evaluaciones sumativas, solo se puede entregar certificado de aprobación.
Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación otorgado por la Pontificia Universidad Católica de Chile. 

El alumno que no cumpla con una de estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

Proceso de Admisión

Las personas interesadas deberán completar la ficha de postulación que se encuentra disponible en la página web (www.educacionprofesional.ing.uc.cl). Un correo de confirmación solicitará enviar los siguientes documentos a la coordinación programas@ing.puc.cl.

  • Fotocopia Carnet de Identidad.
  • Fotocopia simple del Certificado de Título o del Título.
  • Curriculum Vitae actualizado.

    -          El postulante será contactado, para asistir a una entrevista personal (si corresponde) con el Jefe de Programa del Diplomado o su Coordinadora Académica.
    -          Las inscripciones son desde enero 2018 hasta el día antes del comienzo de la actividad o hasta completar las vacantes.
    -          El postular no asegura el cupo, una vez aceptado en el programa, se debe cancelar el valor para estar matriculado.

VACANTES: 5
“No se tramitarán postulaciones incompletas”.
El Programa se reserva el derecho de suspender la realización del diplomado/curso si no cuenta con el mínimo de alumnos requeridos. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero en un plazo aproximado de 10 días hábiles.
A las personas matriculadas que se retiren de la actividad antes de la fecha de inicio, se les devolverá el total pagado menos el 10% del total del arancel

imagen
SOLICITAR MÁS INFORMACIÓN
ACTIVIDAD NO DISPONIBLE
PARA INSCRIPCIÓN

POR FAVOR DÉJENOS SU CONSULTA
Y LO CONTACTAREMOS