Minería de Datos

UNIDAD 1. INTRODUCCIÓN A LA MINERÍA DE DATOS. (2 Horas)
1.1. Qué es y qué no es minería de datos.
1.2. Ejemplos de casos que usan minería de datos.
1.3. Tipos de minería de datos.
1.4. Algoritmos en minería de datos.
1.5. Herramientas informáticas empleadas en minería de datos.
1.5.1. Ventajas y desventajas con el uso de R.

UNIDAD 2. INTRODUCCIÓN A LA ESTADÍSTICA Y A R. (6 Horas)
2.1. Análisis exploratorio de datos
2.1.1. Principales gráficas y estadísticos
2.1.2. Control de calidad y depuración de datos
2.2. Teoría de Probabilidades
2.2.1. Teorema de Bayes o Probabilidad Condicionada
2.3. Regresión Lineal y sus variantes
2.3.1. Supuestos estadísticos
2.3.2. Test de dependencia (Chi-cuadrado)
2.4. R y RStudio
2.4.1. Interfaz de usuario
2.4.2. Repositorios y herramientas de importación/exportación
2.4.3. Herramientas de visualización de datos
2.4.4. Herramientas de transformación de datos
2.4.5. Herramientas de muestreo y valores perdidos
2.5. Ejercicios prácticos

UNIDAD 3. ALGORITMOS DE CLASIFICACIÓN Y REGRESIÓN. (20 Horas)
3.1. Algoritmos de regresión
3.2. Regresión lineal
3.2.1. Validación
3.2.2. Selección del mejor modelo
3.3. Algoritmos de clasificación
3.3.1. Regresión logística
3.3.2. Análisis discriminante
3.3.3. Naive Bayesiano
3.3.4. Máquina de soporte vectorial (SVM)
3.3.5. Evaluación de modelos de clasificación

UNIDAD 4. APRENDIZAJE DE MÁQUINA ESTADÍSTICO. (9 Horas)
4.1. K-vecinos más cercanos
4.2. Árboles de decisión (CART)
4.3. Re-muestreo agregado (Bagging)
4.4. Boosting
4.5. Redes neuronales

UNIDAD 5. CLASIFICACIÓN NO SUPERVISADA. (3 Horas)
5.1. Métodos de componentes principales
5.1.1. Análisis de componentes principales
5.1.2. Análisis de correspondencia