Presentación Tiza y Pizarra

Mineria de

datos

Explorando el Poder de la Minería de Datos: Descubrimiento de Patrones Ocultos y Toma de Decisiones Informadas

¿Qué es?

La minería de datos es un proceso que consiste en analizar grandes conjuntos de datos para identificar patrones, tendencias o relaciones útiles que no son evidentes a simple vista. A través de técnicas estadísticas, matemáticas y de aprendizaje automático, se puede extraer información valiosa que puede ser utilizada para tomar decisiones más informadas en diversas áreas, como los negocios, la medicina o la ciencia. En resumen, es una herramienta clave para transformar datos en conocimiento útil.

A partir de los datos transformados, se extraen patrones y conocimiento valioso que puede ser utilizado para la toma de decisiones.

Proceso de la mineria de datos

Se elige un conjunto de datos crudos que serán objeto de análisis.

Mide Los datos seleccionados se limpian y se eliminan inconsistencias o errores, convirtiéndolos en "datos objetivo".y experimenta.

Los datos objetivo se transforman y se preprocesan para que estén en un formato adecuado para el análisis.

Se aplican técnicas de minería de datos a los datos preprocesados, obteniendo "datos transformados".

Datos Semiestructardos

tipos de datos

Datos Estructurados

Datos no Estructurados

Datos Transaccionales

Tipo de patrones

Patrones de Asociación

Patrones de Regresión

Patrones de Secuencia

Patrones de Agrupacion

Patrones de Clasificación

Patrones de Anomalía

Métodos y Técnicas Principales en Minería de Datos

Clasificación

Regresión

Agrupacion

Reglas de Asociación

Detección de Anomalías

áreas relacionadas a la mineria de datos

1-.Machine Learning (Aprendizaje Automático) 2-.Big Data 3-.Data Warehousing (Almacenamiento de Datos) 4-.Visualización de Datos 5-.Data Mining Textual (Minería de Textos)

Extracción de Información: Extraer hechos y datos relevantes de documentos para facilitar la búsqueda de información.Desambiguación de Entidades: Identificar y desambiguar nombres de personas, lugares y organizaciones en textos.

Aplicaciones en texto

Análisis de Sentimientos: Analizar reseñas y comentarios para comprender la percepción de los clientes sobre productos o servicios.

+info

Aplicaciones en web

Análisis de Redes Sociales: Examina la actividad y las interacciones en plataformas sociales.

Web Scraping: Extrae datos de sitios web de manera estructurada. Análisis de Tráfico Web: Examina el tráfico y comportamiento de los usuarios en un sitio web.

Análisis de Opiniones y Reseñas en la Web: Examina opiniones y reseñas de productos y servicios disponibles en plataformas en línea.

¡Gracias!

• Métodos Basados en Estadísticas
• Modelos de Redes Neuronales
• Métodos de Vecindario

Generación de Texto: Generar descripciones de productos, informes y resúmenes automáticamente. Análisis de Temas: Identifica los temas o tópicos predominantes en un corpus de texto.

• Algoritmo Apriori
• Algoritmo FP-Growth

• Regresión Lineal
• Regresión Polinómica
• Regresión LogísticaRegresión de Ridge y Lasso

• Árboles de Decisión
• Máquinas de Soporte Vectorial (SVM)
• Redes Neuronales Artificiales (ANN)
• Naive Bayesk
• Vecinos Más Cercanos (k-NN)

• k-Means
• Clustering Jerárquico
• DBSCAN
• Algoritmos de Agrupamiento Espectral