Extraccion del Conocimiento

EXTRACCIÓN DE
CONOCIMIENTO EN BBDD

Bibliografía


Introducción a la Minería de Datos.
Hernández Orallo, Ramirez Quintana, Ferri
Ramirez.
Editorial Pearson – Prentice Hall.
2004

Aprobación del curso
Modalidad

Asistencia
requerida

Entrega de
Trabajos
Prácticos

Rinde
examen
Parcial

Presencial

70 %

SI

NO

Trabajo Final
reducido

Semi
presencial

1 xmes
(aprobando
coloquio)

SI

NO

Trabajo Final

Convencional

NO

NO

SI

Examen

Final

Material del Curso


Toda la información y el material del curso se
publicará a través de WebUNLP.

webunlp.unlp.edu.ar


Quienes aún no tengan acceso y se encuentren
inscriptos en Guaraní deberán solicitar inscripción
en el curso.

Introducción


Los avancestecnológicos hacen que las
capacidades para generar y almacenar datos se
incrementen día a día.
 Automatización de todo tipo de transacciones
 Comerciales, negocios, gubernamentales,
científicas.
 Avances en la recopilación de datos
 Lectores de código de barra.
 Mejora en la relación precio-capacidad de los
dispositivos de almacenamiento masivo.

Extracción de conocimiento en BBDD
6



A fines de los „80 apareció un nuevo campo de
investigación llamado KDD (Knowledge Discovery in
Databases)
KDD es el proceso no trivial de identificar patrones
a partir de los datos con las siguientes
características:
 Válidos
 Novedosos
 Potencialmente útiles
 Comprensibles

Extracción de conocimiento en bases de datos
o KDD
7

La minería de datos se refiere a laaplicación de métodos
de aprendizaje y estadísticos para la obtención de
patrones y modelos

Relación con otras disciplinas
8

Text Mining

Programa ProSanE

Asignación de
móviles en EM
(MOPSO)

Obtención de reglas de
clasificación (PSO binario)

SIFT
paralelo

Reconocimiento de rostros
(SIFT + PSO) y de
personas por su voz (RN)

Aplicaciones
9





Análisis debases de datos y soporte de decisiones
 Análisis y gestión de mercado.
 Detección de Fraudes.
 Análisis de riesgo en créditos.
Otras Aplicaciones
 Text mining
 Web mining
 Minería de Datos en educación

Aplicaciones
10



Análisis de bases de datos y soporte de decisiones
 Análisis y gestión de mercado.
Perfiles de clientes
 Identificación de requerimientos
 Obtención deinformación resumida


Detección de Fraudes.
 Análisis de riesgo en créditos.




Otras Aplicaciones

Aplicaciones
11



Análisis de bases de datos y soporte de decisiones
 Análisis y gestión de mercado.
 Detección de Fraudes
Caracterizar las transacciones en legítimas e ilegítimas según
características comunes.
 Aplicaciones:
Salud, servicios de tarjetas decrédito,
telecomunicaciones (fraudes en tarjetas telefónicas), etc.





Análisis de riesgo en créditos.

Otras Aplicaciones

Aplicaciones
12



Análisis de bases de datos y soporte de decisiones
 Análisis y gestión de mercado
 Detección de Fraudes
 Análisis de riesgo en créditos




Complementa y mejora el procedimiento clásico de asignación de
puntos

OtrasAplicaciones

Aplicaciones
13





Análisis de bases de datos y soporte de decisiones
 Análisis y gestión de mercado
 Detección de Fraudes
 Análisis de riesgo en créditos
Otras Aplicaciones
 Text mining
Resúmenes de documentos
 Análisis de opinión (ej: referido a temas específicos en las redes
sociales)
 Análisis de sentimientos


Web mining
 Minería de Datos en educación

Minería de Datos vs otras disciplinas




Los sistemas tradicionales de explotación de datos
están basados en la existencia de hipótesis o
modelos previos.
Problemas
 Quien

formula la hipótesis debe saber cuál es la
información que necesita.
 La complejidad de los datos almacenados y sus
interrelaciones dificulta la verificación del modelo.


La Minería de Datos...