En este módulo de Minería de Datos se proporciona casos prácticos, técnicas clásicas y modernas de Minería de Datos. En concreto se analizarán técnicas de representación de la información, predicción y clasificación en aplicación del análisis de datos enfocados a Big Data análsis.
Duración: 45 Horas
1.1. MODELOS DE PREDICCIÓN: CLASIFICACIÓN, REGRESIÓN Y SERIES TEMPORALES
1.2. PREPARACIÓN DE DATOS
1.3. MODELOS DE AGRUPAMIENTO O SEGMENTACIÓN
1.4. MODELOS DE ASOCIACIÓN
1.5. MODELOS AVANZADOS DE MINERÍA DE DATOS
1.6. BIG DATA
2.1. INTRODUCCIÓN AL ANÁLISIS ESTADÍSTICO DE DATOS MULTIVARIANTES
2.2. ANÁLISIS ESTADÍSTICO PRELIMINAR DE LOS DATOS
2.3. ANÁLISIS ESTADÍSTICO
3.1. INSTRUMENTACIÓN E INSTALACIÓN DE PROGRAMAS LIBRES PARA EL ANÁLISIS DE RN
3.2. REDES NEURONALES CLÁSICAS
3.3. REDES NEURONALES CONVOLUCIONALES
3.4. REDES NEURONALES Y TÉCNICAS NO SUPERVISADAS
3.5. REDES NEURONALES RECURRENTES
4.1. ¿QUÉ ES LA MÁQUINA DE VECTORES DE SOPORTE?
4.2. ¿CÓMO FUNCIONA?
4.3. ¿CÓMO IMPLEMENTAR SVM EN PYTHON Y R?
4.4. ¿CÓMO AJUSTAR LOS PARÁMETROS DE SVM?
4.5. PROS Y CONTRAS ASOCIADOS CON SVM
5.1. REGRESIÓN: ÁRBOLES Y REGLAS DE REGRESIÓN
5.2. APRENDIZAJE BAYESIANO
5.3. APRENDIZAJE BASADO EN INSTANCIAS
6.1. INSTALACIÓN PROGRAMAS DE MINERÍA DE DATOS
6.2. MANEJO Y PROCESAMIENTO DE DATOS
6.3. EXPLORACIÓN Y TRANSFORMACIONES DE LOS DATOS
6.4. ANÁLISIS DE CLÚSTER
6.5. ANÁLISIS DE ASOCIACIÓN
6.6. CREACIÓN DE MODELOS
6.7. EVALUACIÓN DE MODELOS
La inversión incluye: Material de estudio, certificados e impuestos de ley.