Minería de Datos27711
- Centro
- Escuela de Ingeniería de Bilbao
- Titulación
- Grado en Ingeniería Informática de Gestión y Sistemas de Información
- Curso académico
- 2022/23
- Curso
- 4
- Nº Créditos
- 6
- Idiomas
- Castellano
- Código
- 27711
DocenciaAlternar navegación
Guía docenteAlternar navegación
Descripción y Contextualización de la AsignaturaAlternar navegación
La asignatura tiene una fuerte componente práctica que recomienda un nivel alto de programación y una base de estadística.
Se recomienda haber superado los siguientes cursos:
- Programación Modular y Orientación a Objetos
- Estructuras de Datos y Algoritmos
- Métodos Estadísticos de la Ingeniería
- Investigación Operativa
Temas afines:
- computación
- estadística e investigación operativa
- sistemas de apoyo a la decisión
- inteligencia artificial
- aprendizaje automático
- business intelligence
Competencias/ Resultados de aprendizaje de la asignaturaAlternar navegación
1 Reconocer los beneficios del uso sistemático de técnicas de extracción de conocimiento para la obtención de modelos y patrones predictivos o descriptivos
2 Conocer las distintas técnicas de aprendizaje automático y estadísticas utilizadas en minería de datos, su potencial, su coste computacional y sus limitaciones de representación y de inteligibilidad.
3 Elegir, para un problema concreto, qué técnicas de minería de datos son más apropiadas.
4 Generar los modelos y patrones elegidos utilizando una herramienta o paquete de minería de datos.
5 Evaluar la calidad de un modelo, utilizando técnicas sencillas de evaluación
6 Conocer la problemática especial de la minería sobre la web y las técnicas más usuales.
Contenidos teórico-prácticosAlternar navegación
INTRODUCCIÓN:
· Objetivo. Contexto de aplicación.
· Aplicaciones comerciales: propensión/scoring, retención, venta cruzada, sistemas web, pronóstico y diagnóstico médico, aplicaciones industriales, procesamiento del lenguaje natural.
· Inteligencia artificial. Aprendizaje automático. Reconocimiento de formas.
· Aproximaciones a la minería de datos: Clasificación, Asociación, Clustering
· Datos: Recopilación de datos. Análisis.
· Pre-procesamiento: Selección de atributos. Introducción a los heurísticos de búsqueda y los algoritmos genéticos. Des-balance o cómo aprender con pocos datos.
TÉCNICAS EXPLORATORIAS: CLÚSTERING
· Clasificación no-supervisada (clustering)
· Estudio de técnicas de clustering: clustering particional (k-means clustering); clustering probabilístico (algoritmo EM); clustering jerárquico (algoritmo aglomerativo); redes neuronales.
· Aplicaciones: Compresión de señal y teoría de la información; tendencias de clientes; detección de especies; mapa socio-lingüístico; web mining en artículos.
TÉCNICAS PREDICTIVAS: CLASIFICACIÓN
· Técnicas de evaluación y validación de clasificación supervisada
· Algoritmos de inferencia: neural networks, bayesian networks, random forest, logistic regression
· Combinación de clasificadores: meta-clasificadores (ensembles)
· Modelos multi-class mono-label vs. multi-class multi-label
· Aplicaciones: business intelligence, diagnóstico clínico
MetodologíaAlternar navegación
La asignatura es presencial.
La asignatura se desarrolla mediante tres tipos principales de actividades: clases magistrales de teoría, sesiones prácticas de ordenador y de trabajo y discusión. Todas las actividades requiren actitud pro-activa y pensamiento crítico. Se fomentan metodologías activas de enseñanza-aprendizaje.
Grupo de Ordenador: tienen como objetivo implementar en sistemas reales las técnicas trabajadas en las clases magistrales. Para adquirir diversas capacidades se fomenta el trabajo en equipo cooperativo y también se asume trabajo autónomo.
Sistemas de evaluaciónAlternar navegación
- Sistema de Evaluación Continua
- Sistema de Evaluación Final
- Herramientas y porcentajes de calificación:
- Prueba escrita a desarrollar (%): 40
- Realización de prácticas (ejercicios, casos o problemas) (%): 60
Convocatoria Ordinaria: Orientaciones y RenunciaAlternar navegación
Convocatoria ordinaria:
· 60% Prácticas y trabajos: se obtiene mediante evaluación continua mediante diversas prácticas individuales y grupales.
· 40% Examen
Requisito: obtener un 40% de la ponderación correspondiente en cada una de las dos partes anteriores (Prácticas y trabajos, Examen).
Por defecto, se está adscrito a la "Evaluación continua", las competencias, en su aplicación y con el factor de ponderación descrito en términos de Prácticas y trabajos, se adquieren a lo largo del curso y se acreditan en los días establecidos en eGela para la modalidad de "Evaluación continua". Naturalmente, se puede renunciar a la evaluación continua y adscribirse a la "Evaluación Final" según lo establecido en la normativa y con. En caso de adscripción al sistema de “Evaluación Final”, se sigue el mismo criterio de evaluación que se ha establecido para la convocatoria extraordinaria.
Renuncia de los estudiantes a una convocatoria (Presentado vs. No Presentado):
- Presentado: si se presenta al examen de la asignatura en la convocatoria correspondiente, la mera asistencia es óbice para considerar presentado.
- No-Presentado: si no se presenta al examen de la asignatura en la convocatoria correspondiente
Convocatoria Extraordinaria: Orientaciones y RenunciaAlternar navegación
Convocatoria extraordinaria:
· 60% Prácticas y trabajos: se obtiene mediante la realización de una única prueba de habilidad que, con objeto de acreditar las mismas competencias, incorpora contenidos afines a los trabajados mediante la evaluación coninua, y se entregar antes de la fecha del examen.
· 40% Examen
Requisito: obtener un 40% de la ponderación correspondiente en cada una de las dos partes anteriores (Prácticas y trabajos, Examen).
Renuncia de los estudiantes a una convocatoria (Presentado vs. No Presentado):
- Presentado: si se presenta al examen de la asignatura en la convocatoria correspondiente, la mera asistencia es óbice para considerar presentado.
- No-Presentado: si no se presenta al examen de la asignatura en la convocatoria correspondiente
Materiales de uso obligatorioAlternar navegación
e-gela
BibliografíaAlternar navegación
Bibliografía básica
· E. Alpaydin. Introduction to Machine Learning. MIT Press, 2009
· Ian Witten, Eibe Frank, Mark A. Hall. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 2006
· Murphy, K.P. (2012). Machine learning: a probabilistic perspective. MIT press.
· Jiawei Han & Micheline Kamber. Data Mining: Concepts and Techniques. Morgan Kaufmann, 2006
· Pang-Ning Tan, Michael Steinbach & Vipin Kumar. Introduction to Data Mining. Addison-Wesley, 2006
· Tom Mitchell. Machine Learning. McGraw Hill, 1997.
Bibliografía de profundización
· Kevin P. Murphy. Machine Learning: A Probabilistic Perspective. 2016
· C.M. Bishop; Pattern Recognition and Machine Learning. Springer. (2006).
· Richard O. Duda, Peter E. Hart, David G. Stork; Pattern Classification; Ed. Wiley-Interscience; 2 ed ISBN-13: 978-0471056690
· S. Chakrabarti. Mining the Web: Discovering knowledge from hypertext. Morgan Kaufmann. 2003
Revistas
· ACM Transactions on KDD
· IEEE Transactions on Knowledge and Data Engineering
· Data Mining and Knowledge Discovery (DMKD)
· ACM SIGKDD Explorations
· Data & Knowledge Engineering (DKE)
Direcciones web
http://www.kdnuggets.com/
http://www.kdd.org/
http://www.cs.waikato.ac.nz/ml/weka
http://rapid-i.com
Tribunal de convocatorias 5ª, 6ª y excepcionalAlternar navegación
- ATUTXA SALAZAR, AITZIBER
- GAINTZARAIN IBARMIA, JOSE
- PEREZ RAMIREZ, ALICIA
GruposAlternar navegación
16 Teórico (Castellano - Tarde)Mostrar/ocultar subpáginas
Semanas | Lunes | Martes | Miércoles | Jueves | Viernes |
---|---|---|---|---|---|
1-1 | 17:00-19:00 (1) | ||||
1-14 | 15:00-17:00 (2) |
Profesorado
Aula(s) impartición
- P3I 10A - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (1)
- P3I 10A - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (2)
16 P. Ordenador-2 (Castellano - Tarde)Mostrar/ocultar subpáginas
Semanas | Lunes | Martes | Miércoles | Jueves | Viernes |
---|---|---|---|---|---|
1-1 | 19:00-21:00 (1) | ||||
2-2 | 19:00-21:00 (2) | 19:00-21:00 (3) | |||
3-3 | 19:00-21:00 (4) | ||||
4-4 | 19:00-21:00 (5) | ||||
5-5 | 19:00-21:00 (6) | ||||
6-6 | 19:00-21:00 (7) | ||||
7-7 | 19:00-21:00 (8) | ||||
8-9 | 19:00-21:00 (9) | ||||
10-10 | 19:00-21:00 (10) | ||||
11-11 | 19:00-21:00 (11) | ||||
12-12 | 19:00-21:00 (12) | ||||
13-13 | 19:00-21:00 (13) | ||||
14-14 | 19:00-21:00 (14) |
Profesorado
Aula(s) impartición
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (1)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (2)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (3)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (4)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (5)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (6)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (7)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (8)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (9)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (10)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (11)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (12)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (13)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (14)
16 P. Ordenador-1 (Castellano - Tarde)Mostrar/ocultar subpáginas
Semanas | Lunes | Martes | Miércoles | Jueves | Viernes |
---|---|---|---|---|---|
1-1 | 17:00-19:00 (1) | ||||
2-2 | 17:00-19:00 (2) | 17:00-19:00 (3) | |||
3-3 | 17:00-19:00 (4) | ||||
4-4 | 17:00-19:00 (5) | ||||
5-5 | 17:00-19:00 (6) | ||||
6-6 | 17:00-19:00 (7) | ||||
7-7 | 17:00-19:00 (8) | ||||
8-8 | 17:00-19:00 (9) | ||||
9-9 | 17:00-19:00 (10) | ||||
10-10 | 17:00-19:00 (11) | ||||
11-11 | 17:00-19:00 (12) | ||||
12-12 | 17:00-19:00 (13) | ||||
13-13 | 17:00-19:00 (14) | ||||
14-14 | 17:00-19:00 (15) |
Profesorado
Aula(s) impartición
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (1)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (2)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (3)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (4)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (5)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (6)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (7)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (8)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (9)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (10)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (11)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (12)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (13)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (14)
- P6I 7L - ESCUELA DE INGENIERIA DE BILBAO-EDIFICIO II (15)