Universidad de Jaén

Menú local

Guía docente 2017-18 - 13312023 - Minería de datos



TITULACIÓN: Grado en Ingeniería informática
CENTRO: ESCUELA POLITÉCNICA SUPERIOR (JAÉN)
CURSO: 2017-18
ASIGNATURA: Minería de datos
GUÍA DOCENTE
1. DATOS BÁSICOS DE LA ASIGNATURA
NOMBRE: Minería de datos
CÓDIGO: 13312023 CURSO ACADÉMICO: 2017-18
TIPO: Obligatoria
Créditos ECTS: 6.0 CURSO: 4 CUATRIMESTRE: PC
WEB: http://dv.ujaen.es/docencia/goto_docencia_crs_433073.html
2. DATOS BÁSICOS DEL PROFESORADO
NOMBRE: PÉREZ CORDÓN, LUIS GONZAGA
IMPARTE: Teoría - Prácticas [Profesor responsable]
DEPARTAMENTO: U118 - INFORMÁTICA
ÁREA: 075 - CIENCIA DE LA COMPUTACIÓN E INT. ARTIFICIAL
N. DESPACHO: A3 - 240 E-MAIL: lgonzaga@ujaen.es TLF: 953213018
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/71853
URL WEB: http://wwwdi.ujaen.es/?q=es/lgonzaga
ORCID: https://orcid.org/0000-0002-0753-6460
3. PRERREQUISITOS, CONTEXTO Y RECOMENDACIONES
PRERREQUISITOS:
-
CONTEXTO DENTRO DE LA TITULACIÓN:

En esta asignatura se estudian técnicas de extracción de conocimiento útil a partir de grandes bases de datos.

RECOMENDACIONES Y ADAPTACIONES CURRICULARES:
- El alumnado que presente necesidades específicas de apoyo educativo, lo ha de notificar personalmente al Servicio de Atención y Ayudas al Estudiante para proceder a realizar, en su caso, la adaptación curricular correspondiente.
4. COMPETENCIAS Y RESULTADOS DE APRENDIZAJE
Código Denominación de la competencia
CB2R Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
CB3R Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
CT6 Capacidad para la transmisión oral y escrita de información adaptada a la audiencia.
 
Resultados de aprendizaje
Resultado 9R Ser capaz de comprender y aplicar técnicas de extracción de conocimiento útil a partir de grandes bases de datos.
Resultado CSI1R Capacidad de integrar soluciones de Tecnologías de la Información y las Comunicaciones y procesos empresariales para satisfacer las necesidades de información de las organizaciones, permitiéndoles alcanzar sus objetivos de forma efectiva y eficiente, dándoles así ventajas competitivas.
Resultado CSI6R Capacidad para comprender y aplicar los principios y las técnicas de gestión de la calidad y de la innovación tecnológica en las organizaciones.
5. CONTENIDOS

Extracción de conocimiento en bases de datos. Almacenes de datos. Preparación de datos. Minería de datos predictiva. Minería de datos descriptiva. Evaluación, difusión y uso de modelos. Herramientas de análisis de datos.

 

I. Introducción a la Minería de Datos

1. El proceso de extracción de conocimiento en grandes bases de datos. Minería de datos. Aplicaciones.

II. Preparación de datos

2. Recopilación y preparación de los datos.

3. Reducción de la dimensionalidad.

4. Discretización.

III. Minería de datos predictiva

5. El problema de clasificación.

6. Clasificación con árboles y reglas.

7. Clasificación con otras técnicas.

8. Predicción numérica o regresión.

IV. Minería de datos descriptiva

9. Descubrimiento de asociaciones

10. Agrupamiento

VI. Evaluación, difusión y uso de modelos. Herramientas de análisis de datos.

11. Evaluación, difusión y uso de modelos.

12. Herramientas de análisis de datos.

VII. Nuevas tendencias en Minería de datos.

13. Bussiness Intelligence. Big data

6. METODOLOGÍA Y ACTIVIDADES
 
ACTIVIDADES HORAS PRESEN­CIALES HORAS TRABAJO AUTÓ­NOMO TOTAL HORAS CRÉDITOS ECTS COMPETENCIAS (códigos)
A1 - Clases expositivas en gran grupo
  • M1 - Clases magistrales
  • M2 - Exposición de teoría y ejemplos generales
  • M3 - Actividades introductorias
  • M4 - Conferencias
30.0 45.0 75.0 3.0
  • CB2R
  • CB3R
  • CT6
A2R - Clases en pequeño grupo
  • M10R - Aulas de informática
  • M11R - Resolución de ejercicios
  • M6R - Actividades practicas
  • M7R - Seminarios
  • M8R - Debates
25.0 37.5 62.5 2.5
A3 - Tutorías colectivas/individuales
  • M14 - Supervisión de trabajos dirigidos
  • M15 - Seminarios
  • M16 - Debates
  • M17 - Aclaración de dudas
  • M18 - Comentarios de trabajos individuales
  • M19 - Presentaciones/exposiciones
5.0 7.5 12.5 0.5
  • CT6
TOTALES: 60.0 90.0 150.0 6.0  
 
INFORMACIÓN DETALLADA:

La asignatura se divide en dos partes relacionadas, teoría y prácticas.

La teoría se impartirá principalmente a través de sesiones magistrales, incluyendo sesiones de actividades, seminarios, resolución de dudas, problemas y debate, y preguntas teóricas o problemas con los que se evaluará la participación del alumno en la asignatura.

La parte práctica se realizará en el laboratorio de informática.

Durante el periodo lectivo se realizarán examenes para evaluar los conocimientos adquiridos por el alumno.

7. SISTEMA DE EVALUACIÓN
 
ASPECTO CRITERIOS INSTRUMENTO PESO
Asistencia y/o participación en actividades presenciales y/o virtuales Asistencia y participación Evaluación de pruebas teóricas y prácticas planteadas en clase de teoría y prácticas. Observación y notas del profesor 10.0%
Conceptos teóricos de la materia Conceptos teóricos de la materia Examen teórico y de resolución de problemas 35.0%
Realización de trabajos, casos o ejercicios Realización de trabajos, casos o ejercicios Control de trabajos 20.0%
Prácticas de laboratorio/campo/uso de herramientas TIC Prácticas de laboratorio/ordenador Entrega del trabajo y documentación asociada y defensa. 35.0%
El sistema de calificación se regirá por lo establecido en el RD 1125/2003 de 5 de septiembre por el que se establece el sistema europeo de créditos y el sistema de calificaciones en la titulaciones universitarias de carácter oficial
INFORMACIÓN DETALLADA:

Para superar la asignatura será necesario aprobar tanto la parte teórica como la práctica.

La parte teórica se evaluará con examenes de conceptos teóricos y realización de ejercicios prácticos relacionados con la materia.

La parte de prácticas se evaluará mediante la entrega de los trabajos prácticos realizados con ordenador, de los trabajos correspondientes a los seminarios y presentaciones planteados y con una memoria asociada a los mismos. La evaluación de las prácticas será continua e incremental, de forma que se evaluará tanto la defensa final de cada trabajos como la evolución del alumno durante las prácticas.

La parte correspondiente a participación y evaluación continua se determinará mediante algunas pruebas cortas realizadas en el horario lectivo correspondiente a teoría y prácticas.

La parte realización de trabajos, casos o ejercicios se evaluará mediante trabajos, casos o ejercicios propuestos en clase.

La nota obtenida por el alumno durante el periodo lectivo, tanto en las prácticas como en la participación en clase y seminarios, la realización de trabajos, casos o ejercicios se mantendrá para las convocatorias extraordinarias del mismo curso.

 Competencias por sistema de evaluación:

  • S1 (Asistencia y participación): CB2R, CB3R, CT6.
  • S2 (Conceptos teóricos de la materia): CB2R, CB3R, CT6.
  • S3 (Realización de trabajos, casos o ejercicios): CB2R, CB3R, CT6.
  • S4 (Prácticas de laboratorio/ordenador): CB2R, CB3R, CT6.

Resultados por sistema de evaluación:

  • S1 (Asistencia y participación): 9R, CSI1R, CSI6R.
  • S2 (Conceptos teóricos de la materia):  9R, CSI1R, CSI6R.
  • S3 (Realización de trabajos, casos o ejercicios): 9R, CSI1R, CSI6R.
  • S4 (Prácticas de laboratorio/ordenador): 9R, CSI1R, CSI6R

 

8. DOCUMENTACIÓN / BIBLIOGRAFÍA
ESPECÍFICA O BÁSICA:
  • CMIN - herramienta case basada en CRISP-DM para el soporte de proyectos de minería de datos [Recurso. Edición: -. Autor: -. Editorial: Bogotá : Universidad Nacional de Colombia, Facultad de Ingeniería, 2010  (C. Biblioteca)
  • Introducción a la minería de datos. Edición: Reimp.. Autor: Hernández Orallo, José. Editorial: Madrid [etc.] : Pearson Prentice Hall, D.L. 2008  (C. Biblioteca)
  • Practical applications of data mining [Recurso electrónico]. Edición: -. Autor: Suh, Sang C. Editorial: Sudbury, Mass. : Jones & Bartlett Learning, c2012  (C. Biblioteca)
  • Data mining [Recurso electrónico] : concepts and techniques. Edición: 3rd ed. Autor: Han, Jiawei. Editorial: Waltham, MA : Morgan Kaufmann Elsevier, 2012  (C. Biblioteca)
  • Data mining [Recurso electrónico] : practical machine learning tools and techniques. Edición: 3rd ed. Autor: Witten, I. H. (Ian H.). Editorial: Burlington, MA : Morgan Kaufmann Publishers, 2011  (C. Biblioteca)
  • Data mining: practical machine learning tools and techniques with Java implementations. Edición: 2nd ed.. Autor: Witten, Ian H.. Editorial: San Francisco [etc.] : Morgan Kaufmann, cop.2005  (C. Biblioteca)
GENERAL Y COMPLEMENTARIA:
  • Data mining techniques for marketing, sales and customer relationship management. Edición: 3rd ed.. Autor: Linoff, Gordon S. Editorial: New York, NY [etc.] : Wiley, 2011  (C. Biblioteca)
  • Data preparation for data minig. Edición: -. Autor: Pyle, Dorian. Editorial: San Francisco: Morman Kaufmann, 1999  (C. Biblioteca)
  • Predictive data mining : a practical guide. Edición: -. Autor: Weiss, Sholom M.. Editorial: San Francisco: Morgan Kaufmann Publishers, cop. 1998  (C. Biblioteca)
9. CRONOGRAMA (primer cuatrimestre)
 
Semana A1 - Clases expositivas en gran grupo A2R - Clases en pequeño grupo A3 - Tutorías colectivas/individuales Trabajo autónomo Observaciones
Nº 1
11 - 17 sept. 2017
2.00.02.0 6.0 Tema 1 Seminario 1: Herramientas para la MD
Nº 2
18 - 24 sept. 2017
2.02.00.0 6.0 Tema 2 Práctica 1: Preparación de datos
Nº 3
25 sept. - 1 oct. 2017
2.02.00.0 6.0 Tema 3. Práctica 1: Preparación de datos
Nº 4
2 - 8 oct. 2017
2.02.00.0 6.0 Tema 4. Práctica 1: Preparación de datos
Nº 5
9 - 15 oct. 2017
2.02.00.0 6.0 Tema 5. Tema 6. Práctica 1: Preparación de datos
Nº 6
16 - 22 oct. 2017
2.02.00.0 6.0 Tema 6 Práctica 2: Minería de datos predictiva
Nº 7
23 - 29 oct. 2017
2.02.00.0 6.0 Tema 6. Tema 7 Práctica 2: Minería de datos predictiva
Nº 8
30 oct. - 5 nov. 2017
2.02.00.0 6.0 Tema 7. Tema 8 Práctica 2: Minería de datos predictiva
Nº 9
6 - 12 nov. 2017
2.02.00.0 6.0 Tema 8 Práctica 2: Minería de datos predictiva
Nº 10
13 - 19 nov. 2017
2.02.00.0 6.0 Tema 9 Práctica 2: Minería de datos predictiva
Nº 11
20 - 26 nov. 2017
2.02.00.0 6.0 Tema 9 Práctica 3: Minería de datos descriptiva
Nº 12
27 nov. - 3 dic. 2017
2.02.00.0 6.0 Tema 10. Práctica 3: Minería de datos descriptiva
Nº 13
4 - 10 dic. 2017
2.02.00.0 6.0 Tema 11 Práctica 3: Minería de datos descriptiva
Nº 14
11 - 17 dic. 2017
2.01.01.0 6.0 Tema 12 Práctica 3: Minería de datos descriptiva
Nº 15
18 - 21 dic. 2017
2.00.02.0 6.0 Tema 13 Práctica 3: Minería de datos descriptiva
Total Horas 30.0 25.0 5.0 90.0