Minería de Datos con Weka I (Data Mining with Weka)

Descripción

Este curso ofrece a los estudiantes la posibilidad de conocer, comprender las técnicas básicas de minería de datos y saber cómo se aplican en problemas concretos de extracción de conocimiento útil para el análisis y la toma de decisiones.

Objetivos

Entender los conceptos y la terminología de las técnicas de minería de datos.

Reconocer los beneficios del uso sistemático de técnicas de extracción de conocimiento para la obtención de modelos y patrones predictivos.

Conocer las fases del Descubrimiento de Conocimiento de Bases de Datos y la importancia de las mismas en el éxito del proceso (en especial las de limpieza y selección de datos).

Conocer las distintas técnicas de aprendizaje automático y estadísticas utilizadas en minería de datos.

Elegir, para un problema concreto, qué técnicas de minería de datos son más apropiadas.

Generar los modelos y patrones elegidos utilizando la herramienta o paquete de minería de datos WEKA.

Evaluar la calidad de un modelo, utilizando técnicas sencillas de evaluación (validación cruzada).

Implementar un algoritmo de minería de datos específico dentro de un proyecto.

Aprender a usar WEKA en la construcción de un modelo predictivo.

Aprender paso a paso y con ejemplos explicativos los siguientes algoritmos de machine learning : Vecinos más Cercanos, Naïve Bayes, Árbol de Decisión y Reglas de Clasificación.

¿Para quién es este curso?

Este curso está dirigido a todas aquella personas (abogados, médicos, profesores, etc.) que pretenden explotar conocimientos ocultos dentro de sus bases de dato.
Este curso está dirigido a no programadores y quieren minar sus datos.

Lo que aprenderás

Explorar datos y determinar los atípicos.
Construir y evaluar modelos predictivos a partir de conjunto de datos.
Manejar las diferentes pestañas y funciones de la herramienta de minería de datos WEKA.

Requisitos

Saber usar un ordenador con fluidez, independientemente del sistema operativo.
Tener conocimientos básicos de estadística es recomendable, pero no necesario para seguir el curso.
Se necesitan conocimientos de matemáticas de bachillerato o conocimientos básicos de estadística.