Curso de Postgrado: Minería de Datos

DENOMINACIÓN DEL CURSO: Minería de Datos

RESPONSABLE: Errecalde, Marcelo Luis    

CONTENIDOS MÍNIMOS: Aspectos Generales de la Minería de Datos. Aprendizaje Automático. Aprendizaje Supervisado. Árboles de Decisión. Clustering. Redes Neuronales. SVM. Regresión. Aspectos avanzado de la Minería de Datos. Aplicaciones. Casos de Estudio y recursos.     

FECHA DE DICTADO: 25 de Octubre de 2018 al 14 de Diciembre de 2018

DESTINATARIOS: Profesionales con Título de grado en carreras de Informática/Computación o bien con títulos de grado en otras disciplinas pero con experiencia en herramientas computacionales vinculadas al análisis de datos.    

LUGAR DE DICTADO: Departamento de Informática – Facultad de Ciencias Físico Matemáticas y Naturales  

CRONOGRAMA DE ACTIVIDADES:

1er encuentro: 25, 26 y 27 de Octubre. Horarios: 25 y 26 de 18 a 21. 27 de 9 a 13. Sala de Postgrado 2. 

2do encuentro: 8, 9 y 10 de Noviembre. Horarios: 8 y 9 de 18 a 21. 10 de 9 a 13. Sala de Postgrado 1. 

3er encuentro: 22, 23 y 24 de Noviembre. Horarios: 22 y 23 de 18 a 21. 24 de 9 a 13. Sala de Postgrado 2. 

4to encuentro: 13, 14 y 15 de Diciembre. Horarios: 13 y 14 de 18 a 21. 15 de 9 a 13. Sala de Postgrado 2. 

MODALIDAD DE DICTADO: Presencial

CRÉDITO HORARIO TOTAL: 60 horas 

ARANCEL GENERAL: No es arancelado.

FUNDAMENTACIÓN: A partir de la popularización de Internet y el crecimiento del número de bases de datos accesibles, se ha producido en los últimos años un gran crecimiento en los volúmenes y disponibilidad de datos alrededor del mundo. Se ha estimado que la cantidad de datos almacenados en las bases de datos del mundo se duplica cada veinte meses. Este crecimiento cuantitativo de los datos no se ha reflejado en un crecimiento cualitativo de la información disponible. Existe un "gap" creciente entre la generación de los datos y nuestro entendimiento de los mismos. Una alternativa para solucionar este problema que ha recibido un interés creciente es el área de Minería de datos. La Minería de datos (en inglés Data Mininig y de ahora en más MD) es el proceso de descubrir patrones en los datos. Este proceso debe ser automático (o más usualmente) semi-automático. Los patrones descubiertos deben ser significativos en el sentido que deben conducir a alguna ventaja (generalmente económica).

OBJETIVOS: Introducir al alumno en los principales conceptos vinculados a la Minería de datos. Al finalizar el curso los alumnos deberán ser capaces de identificar las principales etapas del proceso KDD, tareas relevantes de la Minería de datos, modelos y formas de evaluación del conocimiento extraído. Se espera además que los mismos sean capaces de detectar situaciones propicias para abordar con técnicas de MD y aplicar estas técnicas en aplicaciones concretas del mundo real.