Descripción y contextualización de la asignatura

Según avanza la tecnología para la captura y el almacenamiento de datos de todo tipo, la acumulación de datos se hace más intensa. Explorar este conjunto de datos, y analizarlo, para extraer las informaciones útiles es una tarea primordial en cualquier área de conocimiento en el que se aplique el método de recogida de datos, como pueden ser la búsqueda de conocimiento en bases de datos, los sistemas de ayuda a la decisión, el análisis lingüístico, la segmentación de imágenes, el análisis de señales, el reconocimiento de voces, la identificación de secuencias de ADN, etc.

El tipo de información de entrada que va a ser tratado mediante las técnicas que se presentan en la asignatura, se basa en ejemplos cuya representación es del tipo objeto-variable-valor, que es la más habitual. El análisis de las variables reflejadas en los ejemplos conduce a inducir estructuras con el fin de aplicarlas a nuevos ejemplos.

Dichas técnicas se engloban en lo que se denomina actualmente `data mining¿ (`minería de datos¿), y que de forma más explícita se refiere a la exploración y análisis de datos. Otras denominaciones que responden parcialmente al mismo conjunto de técnicas, son los de análisis multivariante, descubrimiento de conocimiento (`knowledge discovery¿), aprendizaje automático (`machine learning¿), o reconocimiento de patrones (`pattern recognition¿).

Los métodos de análisis de datos se fundamentan en métodos estadísticos, y sus técnicas en el desarrollo progresivo de los instrumentos de computación. Estamos así ante una asignatura que está en la bisagra de la computación y la estadística. Las técnicas se conciben dependiendo de la herramienta de cálculo disponible.

Temario

Introducción general a la problemática y nociones básicas

Visualización de una variable y de las relaciones entre variables

Métodos de clasificación no supervisada

Métodos de clasificación supervisada

Métodos de reducción de la dimensionalidad (factoriales)

Combinación de métodos

Bibliografía

Bibliografía básica

HAND, D., MANNILA, H., SMYTH, P., `Principles of Data Mining¿, MIT Press, 2001.

LEBART L., PIRON M., MORINEAU A., `Statistique exploratoire multidimensionnelle¿, Dunod, 4eme édition, 2006.

HASTIE T., TIBSHIRANI R., FRIEDMAN J., `The Elements of Statistical Learning: Data Mining, Inference, and Prediction¿, Springer Verlag, 2001.

MYATT G.J., `Making Sense of Data: A Practical Guide to Exploratory Data Analysis and Data Mining¿, John Wiley, 2006.

Bibliografía de profundización

ANDERBERG M.R., `Cluster analysis for applications¿, Academic Press, New York, 1973.

HARTIGAN J., `Clustering Algorithms¿, Wiley, 1975,



BREIMAN L., FRIEDMAN J., OLSHEN R., STONE C., `Classification and Regression Trees¿, Wadsworth and Brooks, Monterrey CA, 1984.

QUINLAN J.R, `C4.5: Programs for Machine Learning¿, Morgan Kaufmann, 1992



FAYYAD U., PIATETSKY-SHAPIRO G., SMYTH P., UTHURUSAMY R., (eds.), `Advances in Knowledge Discovery and Data Mining¿, AAAI/MIT Press, 1996.

D. MICHIE, D.J. SPIEGELHALTER, C.C. TAYLOR, (eds), `Machine Learning, Neural and Statistical Classification¿ http://www.amsta.leeds.ac.uk/~charles/statlog

CUADRAS C.M., `Métodos de Análisis Multivariante, 1.edición EUNIBAR, 1981, 2.edición, Promociones y Publicaciones Universitarias, 1991.



ESCOFFIER B., PAGÈS J., `Analyses factorielles simples et multiples¿, Dunod. Versión en español `Análisis factoriales simples y múltiples, Servicio editorial de la UPV/EHU, 1995.

JAMBU, M., LEBEAUX, M.-O `Cluster Analysis and Data Analysis¿., North-Holland, 1983.

JAMBU, M., `Exploration informatique et statistique des données¿, Dunod, 1989.

BERTHOLD M., HAND, D.J., (eds), Intelligent Data Analysis: An Introduction, Springer Verlag, 1999.



CLEVELAND W., 'Visualizing Data', Summit, NJ: Hobart Press, 1993.

CLEVELAND W.,`The Elements of Graphing Data, revised¿, Hobart Press, 1994

WALLGREN A. et alt., 'Graphing Statistics & Data', Sage Publications, 1996.

JACOBY W.G., 'Statistical Graphics for Visualizing Multivariate Data', Sage Publications,

Enlaces

www.kdnuggets.com