Técnicas avanzadas de minería de datos

Sebastián Raveau

Profesor Asistente del Departamento de Ingeniería de Transporte y Logística de la UC e investigador asociado del departamento de Ingeniería Civil y Ambiental del Massachusetts Institute of Technology. Asimismo, participa como investigador del Centro de Excelencia BRT, y del Centro de Desarrollo Urbano Sustentable CEDEUS. Anteriormente se ha desempeñado como académico de la Escuela de Ingeniería Industrial de la Universidad Diego Portales y como investigador postdoctoral del Singapore-MIT Alliance for Research and Technology (SMART). Ha sido también supervisor de estudios de transporte en DICTUC y en consultora CIS Transporte.

* 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; y de asignar al docente que dicta el programa según disponibilidad de los profesores.

Este curso profundiza en las técnicas y algoritmos más utilizados en minería de datos. En particular se incluyen las técnicas de aprendizaje reforzado que han ido captando el interés en forma rápida por la amplia gama de aplicaciones donde puede usarse. Adicionalmente en este curso se estudian técnicas de Web Mining y análisis de texto.

*Este curso forma parte del Diplomado en Minería de datos.

• Licenciatura, título profesional o técnico de mínimo 4 años.
• Se recomienda contar con:
  • Conocimientos de minería de datos o aprendizaje de máquina.
  • Manejo de computación a nivel usuario, considerando el uso de planillas Excel a nivel medio
  • Dos años de experiencia laboral.

1. Aplicar técnicas avanzadas de minería de datos para extraer información accionable de la data.

Horas cronológicas: 75 (35 horas directas)

Créditos: 5

Resultados del Aprendizaje

1. Modelar problemas reales mediante técnicas avanzadas de minería de texto, para apoyar procesos de gestión del conocimiento en las organizaciones.
2. Aplicar técnicas de aprendizaje reforzado como alternativa de entrenar modelos de aprendizaje.
3.  Utilizar herramientas de procesamiento de datos, para apoyar el proceso de modelado e interpretación de los resultados obtenidos.
4. Aplicar series de tiempo para predecir modelos de negocios, basados en datos históricos.

Contenidos:

• Introducción General
  • Modelos alternativos de minería de datos
  • Extensión de los modelos de machine learning
• Introducción a Web Mining
  • Web Scraping
  • Text análisis
• Series de tiempo
  • Aprendizaje Reforzado
  • Introducción
  • Diferencias con otros modelos de aprendizaje
  • Agentes
  • Funcionamiento en base a premios, castigos y fuerza bruta
  • Q-Learning
    • Introducción
    • Ecuación de Bellman
    • Explorar vs Explotar
    • Tendencias de Machine Learning

Metodología de enseñanza y aprendizaje:

La modalidad de capacitación es online asincrónica, por lo que los participantes accederán a una plataforma educativa virtual (LMS). Las actividades se desarrollan en forma remota, lo que permite entregar flexibilidad en los horarios, de manera que cada participante pueda distribuir su tiempo y ser autónomo en su proceso de aprendizaje. No obstante, el proceso de enseñanza-aprendizaje se acompañará con un tutor, quien tendrá un rol de mediador y facilitador, ofreciendo apoyo a los participantes en aspectos técnicos y también administrativos durante la actividad de capacitación.  

Respecto a las estrategias de enseñanza - aprendizaje, se utilizarán videoclases, screencast y clases interactivas para la presentación de contenidos y actividades de aplicación que serán desarrolladas a partir de cuestionarios y tareas, dirigidas a que los participantes resuelvan problemas/situaciones aplicando los conocimientos aprendidos y comprobar la comprensión de los contenidos a través de test automáticos. 

Los participantes también contarán con foros abiertos de consulta, como apoyo a su proceso de aprendizaje, donde podrán interactuar con sus pares y tutor. 

Al inicio de cada curso se contará con una clase sincrónica en formato streaming, en que el jefe de programa o un profesor del programa, introducirán a los alumnos en las materias a abordar. 

Evaluación de los aprendizajes:

• Tres pruebas individuales on-line, todas de igual ponderación (40% en total)
• Tres actividades individuales de aplicación, la tercera con doble ponderación (60% en total)

 Bibliografía

• Sutton, R., Barto, A. (2018), Reinforced Learning: An Introduction, 2nd Ed, Bradford Books.
• Tan Pang-Ning, Steinbach, M., Karpatne, A., Kumar, V. (2019), Introduction to Data Mining, 2nd Ed, Pearson.

Los alumnos deberán ser aprobados de acuerdo con el siguiente criterio:

• Calificación mínima de 4.0

Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital 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.

*En caso de que un alumno repruebe un curso perteneciente a un diplomado, en Educación Profesional Ingeniería UC ofrecemos la oportunidad de realizar un nuevo intento. Para ejercer este derecho, el alumno deberá pagar un valor de 3 UF por curso, e indicar la fecha de la versión en la que desea matricularse. La gestión debe realizarse dentro de un máximo de 2 años a contar de la fecha de inicio del diplomado original, y es factible para un máximo de 2 cursos por diplomado.

Las personas interesadas deberán completar la ficha de postulación que se encuentra al costado derecho de esta página web y enviar los siguientes documentos al momento de la postulación o de manera posterior a la coordinación a cargo: 

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

Las personas interesadas deberán enviar los documentos que se detallan más abajo al correo programas@ing.puc.cl

VACANTES: 40

INFORMACIONES RELEVANTES

Con el objetivo de brindar las condiciones de infraestructura necesaria y la asistencia adecuada al inicio y durante las clases para personas con discapacidad: Física o motriz, Sensorial (Visual o auditiva) u otra, los invitamos a informarlo. 

• El postular no asegura el cupo, una vez inscrito o aceptado en el programa se debe pagar el valor completo de la actividad para estar matriculado.
• No se tramitarán postulaciones incompletas.

Puedes revisar aquí más información importante sobre el proceso de admisión y matrícula