Data mining: principios y aplicaciones

Antes del contenido

• Introducción
• Objetivos
• Diagrama
• Quiz mixto

Contenido teórico

• 1. Conceptos básicos
• 1.1. Definición y objetivos del Data Mining
• 1.2. Diferencia entre minería de datos análisis de datos y machine learning
• 1.3. Ciclo de vida del proceso KDD (Descubrimiento de Conocimiento en Bases de Datos)
• 2. Fundamentos teóricos
• 2.1. Introducción a técnicas de clasificación, clustering y asociación
• 2.2. Fundamentos matemáticos probabilidad álgebra lineal y estadísticas básicas

Después del contenido

• Podcast
• Recuerda
• Flashcards
• Quiz mixto
• Quiero saber más

Antes del contenido

• Introducción
• Objetivos
• Diagrama
• Quiz mixto

Contenido teórico

• 1. Bases de datos
• 1.1. Fundamentos de bases de datos relacionales
• 1.2. Introducción a SQL para extracción y manipulación de datos
• 1.3. Conexión con bases de datos no relacionales (NoSQL)
• 2. Preprocesamiento y limpieza de datos
• 2.1. Identificación y tratamiento de valores faltantes y atípicos
• 2.2. Normalización y escalado de datos
• 2.3. Reducción de dimensionalidad (PCA y selección de características)

Después del contenido

• Podcast
• Recuerda
• Flashcards
• Quiz mixto
• Quiero saber más

Antes del contenido

• Introducción
• Objetivos
• Diagrama
• Quiz mixto

Contenido teórico

• 1. Introducción a las herramientas
• 1.1. Python y R: comparación y uso para Data Mining
• 1.2. Hadoop y Spark procesamiento en grandes volúmenes de datos
• 2. Implementación práctica
• 2.1. Configuración de entornos y uso de bibliotecas clave (pandas, scikit-learn, tidyverse, etc.)
• 2.2. Lectura manipulación y visualización básica de datos
• 3. Búsqueda de la eficiencia energética y desarrollo sostenible en el desarrollo de software y diseño
• 3.1. En el desarrollo de software y diseño
• 3.2. En la selección de proveedores y servidores

Después del contenido

• Podcast
• Recuerda
• Flashcards
• Quiz mixto
• Quiero saber más