Introducción a la minería de datos
Objetivos:
Conocer un abanico variado de técnicas de minería de datos para los diversos tipos de problemas que resuelve (clasificación, predicción...). Saber elegir el modelo más adecuado en función de los objetivos y de las características del problema a resolver así como evaluar la capacidad predictiva del mismo, si es el caso.
Requisitos:
Se recomienda que esta asignatura sea cursada junto con la asignatura Modelización Estadística ya que ambas comparten técnicas y procedimientos que son desarrollados con más profundidad en Modelización Estadística.
Contenidos:
Introducción a la minería de datos.
Métodos de regresión. Modelos lineales, generalizados y no paramétricos.
Métodos de clasificación. Clasificación Supervisada lineal, logística y vecinos próximos.
Técnicas de clasificación no supervisada.
Métodos basados en árboles.
Modelos gráficos probabilísticos: Redes bayesianas.
Metodología:
La metodología combina la clase magistral donde se introducen y relacionan las técnicas y los conceptos más importantes, junto con sesiones prácticas en aula informática donde se desarrollan ejemplos de análisis que permiten ilustrar los conceptos y profundizar en el manejo de programas estadísticos adecuados.
Criterios de evaluación:
A lo largo del curso se plantearán una serie de actividades breves en torno a los diversos temas desarrollados y fundamentalmente un trabajo de análisis de datos más amplio donde se aplicarán diversas técnicas, comparando los resultados y valorando su utilidad. Dicho trabajo se podrá realizar de forma individual o en grupo.
Bibliografía:
C.M. Bishop, Pattern Recognition and Machine Learning, Springer. (2006)
E. Castillo, J.M. Gutiérrez, y A.S. Hadi, Sistemas expertos y modelos de redes probabilísticas. http://personales.unican.es/gutierjm/BookCGH.html, (1998) ,
T. Hastie, R. Tibshirani, and J. Friedman, The Elements of Statistical Learning. Data mining, Inference and Prediction, Springer. (2001),
L. Torgo, Data Mining with R: Learning with Case Studies. Chapman and Hall/ CRC, (2011),
G. Willians, Data Minig with Rattle and R. Springer, (2011),
I.H. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques (Second Edition), Morgan Kaufmann. (2005)
Profesores del curso 2023-2024
José Tomás Alcalá Nalvaiz (jtalcala at unizar.es) (Coordinador)
Beatriz Lacruz Casaucau (lacruz at unizar.es)