TRABAJO_FINAL_TI
Páginas: 10 (2480 palabras)
Publicado: 26 de septiembre de 2015
Pontificia Universidad Católica del Perú
Facultad de Ciencias e Ingeniería
SEGUNDO TRABAJO PRÁCTICO DE
TECNOLOGÍAS DE INFORMACIÓN
Análisis de Minería de Datos
Presentado por:
MORENO BENAVENTE, JOANA 20047123
JUAN PABLO BRICEÑO TIPACTI 20050363
ZAGASTIZABAL CAHUÍN, HENRY 20050578
ROMERO MORENO, EDWIN 20052151
Profesor: RICARDO HARO CARRERE
Horario: 1031San Miguel, 26 de Junio del 2010
ÍNDICE
LECTURA A. Nuevas necesidades 4
Pregunta 1. Características del análisis manual de datos y su conversión en conocimiento… 4
Pregunta 2. Características de las herramientas analíticas y técnicas para generar conocimientos desde el análisis de datos. 4
LECTURA B. Tipos de Modelos 6
Pregunta 1. Características de los tipos de modelos de los datosanalizados. 6
Pregunta 2. Características de las tareas y técnicas empleadas para generar modelos………….. 7
LECTURA C. La minería de datos y el proceso de descubrimiento de conocimiento en bases de datos 8
Pregunta 1. Características del proceso de descubrimiento de conocimiento en bases de datos. 8
Pregunta 2. Características de las fases para realizar el proceso de descubrimiento de conocimientoen bases de datos y Data Mining. 9
LECTURA D. Relación con otras disciplinas 12
Pregunta 1. Características de las disciplinas que contribuyen a la minería de datos………… 12
Pregunta 2. Técnicas o herramientas con las que las disciplinas otorgan ventajas a la minería de datos. 13
LECTURA E. Sistemas y herramientas de minería de datos 14
Pregunta 1. Características de los tipos de sistemas deminería de datos. 14
Pregunta 2. Características de las tareas y tipos de datos que poseen estos sistemas……… 15
FUENTES 16
TABLA DE GRÁFICOS
Gráfico 1. Proceso de KDD 5
Gráfico 2. Visualización gráfica de patrones 8
Gráfico 3. Ejemplo de árbol de decisión como visualización 8
LECTURA A. Nuevas necesidades
Pregunta 1. Características del análisis manual de datos y su conversión en conocimiento.
Lasprincipales características son:
Lentitud
Esto debido al gran volumen y variedad de información lo cual evidentemente dificulta el análisis de datos en forma manual.
El análisis es costoso
Para poder procesar este gran volumen manualmente se requieren tanto recursos como herramientas que representan un alto costo.
Subjetividad
Debido a las dificultades anteriores, las decisiones se tomanmuchas veces en base a intuiciones, sin aprovechar las bases de datos históricas pues no se tiene la capacidad de convertirlas en conocimiento.
De esto se concluye que el análisis de grandes volúmenes de datos no es viable de forma manual
Pregunta 2. Características de las herramientas analíticas y técnicas para generar conocimientos desde el análisis de datos.
En cuanto a los avances tecnológicosmás cercanos en generar conocimientos a partir del análisis de datos debemos mencionar:
El lenguaje de consulta SQL usado sobre la base de datos operacional OLTP o procesamiento transaccional en línea. Esta tenía como limitante ser poco flexible y poco escalable para grandes volúmenes.
La nueva arquitectura para bases de datos, Data Warehouse o Almacén de Datos que facilita el análisis dedatos y la toma de decisiones en una empresa; esto incluye operaciones de procesamiento analítico en línea OLAP, la cual permite analizar distintos escenarios pero no llega a generar un conocimiento aplicativo a otros datos.
La tecnología capaz de generar reglas, patrones o pautas que conllevan a la obtención de conocimiento aplicativo del análisis de datos es la Minería de Datos o Data Mining;cuyas herramientas logran extraer el mineral de la información escondido de grandes bases de datos, formulando hipótesis que emergen a partir de estos mismos datos.
Esta tecnología permite a un usuario final o minero, sin ningún conocimiento en programación, efectuar preguntas específicas obteniendo resultados rápidos.
Las fases de un proyecto de minería de datos parten de bases de datos para la...
Facultad de Ciencias e Ingeniería
SEGUNDO TRABAJO PRÁCTICO DE
TECNOLOGÍAS DE INFORMACIÓN
Análisis de Minería de Datos
Presentado por:
MORENO BENAVENTE, JOANA 20047123
JUAN PABLO BRICEÑO TIPACTI 20050363
ZAGASTIZABAL CAHUÍN, HENRY 20050578
ROMERO MORENO, EDWIN 20052151
Profesor: RICARDO HARO CARRERE
Horario: 1031San Miguel, 26 de Junio del 2010
ÍNDICE
LECTURA A. Nuevas necesidades 4
Pregunta 1. Características del análisis manual de datos y su conversión en conocimiento… 4
Pregunta 2. Características de las herramientas analíticas y técnicas para generar conocimientos desde el análisis de datos. 4
LECTURA B. Tipos de Modelos 6
Pregunta 1. Características de los tipos de modelos de los datosanalizados. 6
Pregunta 2. Características de las tareas y técnicas empleadas para generar modelos………….. 7
LECTURA C. La minería de datos y el proceso de descubrimiento de conocimiento en bases de datos 8
Pregunta 1. Características del proceso de descubrimiento de conocimiento en bases de datos. 8
Pregunta 2. Características de las fases para realizar el proceso de descubrimiento de conocimientoen bases de datos y Data Mining. 9
LECTURA D. Relación con otras disciplinas 12
Pregunta 1. Características de las disciplinas que contribuyen a la minería de datos………… 12
Pregunta 2. Técnicas o herramientas con las que las disciplinas otorgan ventajas a la minería de datos. 13
LECTURA E. Sistemas y herramientas de minería de datos 14
Pregunta 1. Características de los tipos de sistemas deminería de datos. 14
Pregunta 2. Características de las tareas y tipos de datos que poseen estos sistemas……… 15
FUENTES 16
TABLA DE GRÁFICOS
Gráfico 1. Proceso de KDD 5
Gráfico 2. Visualización gráfica de patrones 8
Gráfico 3. Ejemplo de árbol de decisión como visualización 8
LECTURA A. Nuevas necesidades
Pregunta 1. Características del análisis manual de datos y su conversión en conocimiento.
Lasprincipales características son:
Lentitud
Esto debido al gran volumen y variedad de información lo cual evidentemente dificulta el análisis de datos en forma manual.
El análisis es costoso
Para poder procesar este gran volumen manualmente se requieren tanto recursos como herramientas que representan un alto costo.
Subjetividad
Debido a las dificultades anteriores, las decisiones se tomanmuchas veces en base a intuiciones, sin aprovechar las bases de datos históricas pues no se tiene la capacidad de convertirlas en conocimiento.
De esto se concluye que el análisis de grandes volúmenes de datos no es viable de forma manual
Pregunta 2. Características de las herramientas analíticas y técnicas para generar conocimientos desde el análisis de datos.
En cuanto a los avances tecnológicosmás cercanos en generar conocimientos a partir del análisis de datos debemos mencionar:
El lenguaje de consulta SQL usado sobre la base de datos operacional OLTP o procesamiento transaccional en línea. Esta tenía como limitante ser poco flexible y poco escalable para grandes volúmenes.
La nueva arquitectura para bases de datos, Data Warehouse o Almacén de Datos que facilita el análisis dedatos y la toma de decisiones en una empresa; esto incluye operaciones de procesamiento analítico en línea OLAP, la cual permite analizar distintos escenarios pero no llega a generar un conocimiento aplicativo a otros datos.
La tecnología capaz de generar reglas, patrones o pautas que conllevan a la obtención de conocimiento aplicativo del análisis de datos es la Minería de Datos o Data Mining;cuyas herramientas logran extraer el mineral de la información escondido de grandes bases de datos, formulando hipótesis que emergen a partir de estos mismos datos.
Esta tecnología permite a un usuario final o minero, sin ningún conocimiento en programación, efectuar preguntas específicas obteniendo resultados rápidos.
Las fases de un proyecto de minería de datos parten de bases de datos para la...
Leer documento completo
Regístrate para leer el documento completo.