UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO PROGRAMA DE ESTUDIOS FACULTAD DE CIENCIAS DE LA INGENIERÍA CARRERA: Ingeniería en Sistemas SÍLABO: ANALISIS INTELIGENTE DE DATOS 1. CÓDIGO Y NÚMERO DE CRÉDITOS: Código: AID651 Número de créditos: 2.
5
DESCRIPCIÓN DE LA UNIDAD DE APRENDIZAJE:
El Análisis de Datos Inteligente se abarca la extracción de conocimiento a partir de datos. Es un nuevo modelo de tratamiento de los datos que integra numerosas técnicas de análisis y extracción de modelos. Esta unidad de aprendizaje describe este paradigma, explicando, de una manera metodológica y pragmática, el proceso en su conjunto, sus motivaciones y beneficios, y estableciendo conexiones con las disciplinas relacionadas y los sistemas con los que debe integrarse.
3. PRE-REQUISITOS Y CO-REQUISITOS: Pre-requisito: Probabilidad y Estadística Cálculo Diferencial e Integral Modelamiento de Datos Co-requisito: 4. TEXTOS Y OTRAS REFERENCIAS BIBLIOGRÁFICAS: Bibliografía básica: Ian, Witten; Eibe, Frank; Mark, Hall. DATA MINING Practical Machine Learning Tools and Techniques. Elseiver. San Francisco, 2011. Bibliografía complementaria: Zdravkomarkov and Daniel t. Larose. DATA MINING THE WEB. Willey. 2007 , 978-0-471-66655-4. Data.Mining. A.Knowledge.Discovery.Approach, Springer, 2007.
5. OBJETIVO GENERAL Entender el proceso de minería de datos en un marco de descubrimiento de conocimiento a través de las fases de preparación de datos, minería de datos y evaluación.
UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO PROGRAMA DE ESTUDIOS
6. RESULTADOS DE APRENDIZAJE )
APRENDIZAJE
Resultado del Aprendizaje
(OBJETIVOS
ESPECÍFICOS
DE
Nivel
Forma de evidenciarlo
A
El estudiante utiliza métodos de depuración de datos. Se utiliza el Rattler desde el entorno R para lograr este propósito.
Resolver el problema de la valides de los datos para lograr un correcto procesamiento de los mismo. Resolver el análisis de los datos por medio de la técnica adecuada seleccionada previamente. De tal forma que sus resultados sean de utilidad para la toma de decisiones.
A
Resolver problemas de interpretación de resultados que los distintos métodos aplicados podrían expresar.
A
El estudiante es capaz de aplicar los distintos métodos de análisis de datos utilizando el entorno R mediante scripts. También es capaz de utilizar el motor de inferencias Rattler. El estudiante es capaz de evaluar los distintos cuadros de resultados y gráficos capaz de que con la información obtenida pueda tomar decisiones.
7. TEMAS DE LA UNIDAD DE APRENDIZAJE
CONTENIDOS Tema I: Introducción al datamining y al proceso de extracción de conocimiento. Objetivos de la Minería de Datos. Diferentes tipos de problemas a los cuales se puede aplicar la minería de datos. Aplicaciones comerciales (propensión/scoring, retención, venta cruzada). Aplicaciones no-comerciales (pronóstico y diagnóstico médico, aplicaciones industriales). Técnicas generales usadas por el análisis de los datos (predicción, clasificación, clustering).
HORAS
Tareas previas/ lecturas obligatorias LECTURA: - DATA MINING Practical Machine Learning Tools and Techniques. Capítulo 1.
10
ACTIVIDADES EN CLASE - Trabajo grupal (Taller): Encuestas - Uso del entorno R - Uso de IDE RStudio para programar scripts - Evaluación parcial escrita del Tema 1. TAREAS ENVIADAS: - Consultar las aplicaciones de código abierto que trabajen con análisis inteligente de datos.
UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO PROGRAMA DE ESTUDIOS
El proceso inteligente
Tema II: de análisis
de
LECTURA: - DATA MINING Practical Machine Learning Tools and Techniques. Capítulo 2. .
datos
Comprensión del Problema. Comprensión de los datos. Preparación de los datos. Minería de datos. Herramientas de minería de datos. Evaluación Implementación
10
ACTIVIDADES EN CLASE - Uso del entorno R - Uso de IDE RStudio para programar scripts basados en estadística descriptiva - Evaluación parcial escrita del Tema 2. TAREAS ENVIADAS: - Ampliar los temas tratados en el Capítulo 2
Tema III Preparación de datos Analizar los problemas que puedan surgir con datos reales y plantear soluciones para ellos. Selección de variables. Muestreo, selección de registros. Análisis de correlación. Análisis factorial. Creación de nuevas variables, agregación de variables. Tratamiento de datos imperfectos. Tema IV Minería de datos Introducción. Modelización estadística. Técnicas de clasificación y predicción de datos. Reglas de asociación y dependencia. Métodos bayesianos. Modelización mediante árboles de decisión. Modelización con técnicas bioinspiradas. Clustering.
LECTURA: - DATA MINING Practical Machine Learning Tools and Techniques. Capítulo 3.
16
ACTIVIDADES EN CLASE - Uso del entorno R - Uso de IDE RStudio para programar scripts para análisis de correlación - Evaluación parcial escrita del Tema 3. TAREAS ENVIADAS: - Ampliar los temas tratados en el Capítulo 3
LECTURA: - DATA MINING Practical Machine Learning Tools and Techniques. Capítulo 4.
20
ACTIVIDADES EN CLASE - Uso del entorno R - Uso de IDE RStudio para programar scripts para clasificación - Uso de IDE RStudio para programar scripts para predicción - Uso de IDE RStudio para programar scripts para métodos bayesianos - Uso de IDE RStudio para programar scripts para árboles de decisión - Uso de IDE RStudio para programar scripts para clustering - Evaluación parcial escrita del Tema 5. TAREAS ENVIADAS: - Ampliar los temas tratados en el Capítulo 5
Tema V Evaluación e interpretación Técnicas de evaluación. Combinación de modelos. Interpretación, difusión y modelos.
LECTURA: - DATA MINING Practical Machine Learning Tools and Techniques. Capítulo 5.
8 uso
de
ACTIVIDADES EN CLASE - Uso del entorno R - Uso de IDE RStudio para programar scripts y comparar algoritmos - Evaluación parcial escrita del Tema 5.
UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO PROGRAMA DE ESTUDIOS TAREAS ENVIADAS: - Ampliar los temas tratados en el Capítulo 5
8. HORARIO DE CLASE/LABORATORIO HORAS PRESENCIALES H/Teóricas
H/Prácticas
4
TOTAL HORAS SEMANALES
4
9. CONTRIBUCIÓN DE LA UNIDAD DE APRENDIZAJE EN LA FORMACIÓN DEL PROFESIONAL Esta unidad de aprendizaje permite al estudiante adquirir una metodología que le permita detectar qué técnicas son más fiables de donde el estudiante desarrollara habilidades y destrezas para la comprensión de la unidad de aprendizaje se abordan 6 temas elementales: Introducción al datamining y al proceso de extracción de conocimiento, el proceso de análisis de datos inteligente, Preparación de datos, Minería de Datos, Evaluación e interpretación, Sistemas, Herramientas y aplicaciones de la minería de datos.
10. METODOLOGIA ENSEÑANZA – APRENDIZAJE El estudiante deberá preparar el tema previamente a su asistencia a clases Consultas puntuales podrán ser realizadas al profesor mediante el uso del correo institucional El estudiante deberá realizar trabajo independiente relacionado a los contenidos de la unidad de aprendizaje El profesor actuará como facilitador, es obligatoriedad del estudiante traer preparado los temas correspondientes a la sesión de trabajo de forma que se pueda establecer intercambio de opciones sobre los temas a tratar La cuota de participación de los estudiantes será evaluado de acuerdo a la calidad de los aportes que realicen en la discusión de clase
11.
CONDUCTA Y COMPORTAMIENTO ÉTICO
UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO PROGRAMA DE ESTUDIOS Los estudiantes del curso se comprometen a: Ser puntuales con el horario de clases y exámenes. Toda falta de honradez en la elaboración en las tareas a realizar, invalidará la tarea Respeto en todo momento a las autoridades, docente, compañeros y personal administrativo y de servicios. El aula se mantendrá limpia y ordenada. Los trabajos deben evidenciar citas y referencia bibliográficas de los autores consultados. La poca o ninguna colaboración de los integrantes de los grupos de trabajo debe ser reportado. De lo contrario será sancionado con la nota de cero en dicho trabajo. Los trabajos no pueden sufrir postergaciones. En todo momento y lugar dentro o fuera del horario de formación, se exigirá del estudiante: o Respeto a quién esté en uso de la palabra, es decir, esperando a que el moderador/profesor le permita hablar. o Tolerancia a puntos de vista distintos a los suyos, siempre que estos se encuadren en las normas de la ética profesional. o Reconocer el valor y la importancia de los instrumentos, equipos, mobiliario e instalaciones dentro del Campus de la Universidad, de forma que, los mantiene en óptimas condiciones de limpieza, operación y funcionamiento. o Restringir el uso de los equipos informáticos y el uso de Internet a las tareas establecidas por el profesor. o Mantener equipos electrónicos, tales como, celulares, reproductores y similares, que puedan interrumpir el normal desenvolvimiento de la clase correctamente apagados y guardados.
12. EVALUACIÓN DE LA UNIDAD DE APRENDIZAJE: Tipo Evaluaciones Evaluaciones Frecuentes
Evaluaciones Parciales
Primer Corte Evaluativo
Segundo Corte Evaluativo
2 6 2 3 2 3 2
2 6 2 3 2 3 2
PARTICIPACIÓN EN CLASE LECCIONES DEBERES OTROS PRUEBAS PARCIALES INFORMES OTROS
Examen Final Calificación Final
Total
30%
30% 40% 100%
13. RESPONSABLE DE LA ELABORACIÓN DEL SÍLABO DE LA UNIDAD DE APRENDIZAJE Y FECHA DE ELABORACIÓN:
UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO PROGRAMA DE ESTUDIOS
Responsable(s) de la elaboración :
Fecha de elaboración: Fecha de última revisión y corrección
Ariosto Vicuña Pino Grado Académico: Ing. En Computación, especialización sistemas tecnológicos. Master en Marketing Máster en Bibliotecologia y Documentación Científica Correo:
[email protected] [email protected] Curriculum: - Ex Director de la biblioteca 2009-2013 - Docente de la UTEQ Docente desde el 2008 - Docente de las asignaturas: Sistemas operativos, Programación orientada a objetos, Análisis y diseño de sistemas orientados a objetos , análisis inteligente de datos, proyectos informáticos, proyectos on line.
22 de julio del 2013 22 de julio del 2013
