• Like
  • Save
Mineria De Datos
Upcoming SlideShare
Loading in...5
×

Mineria De Datos

  • 39,805 views
Uploaded on

 

More in: Technology
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
  • Muy buena presentación, una forma mas simple de comprender la minería de datos..
    Are you sure you want to
    Your message goes here
  • Excelente presentación y manejo didáctico de la información para hacer entendible el tema de Minería de Datos; agradecería si puedes enviar la presentación a mi correo con el fin visualizarla completa y poder usarla como documento de trabajo. gracias :D
    Are you sure you want to
    Your message goes here
  • Hola excelente presentacion, te agradeceria que me mandaras jose_pineros@hotmail.com, ya que hay partes que no se aprecia el texto y estoy comenzando una investigación con este tema en el trabajo. Cordial saludo y Gracias
    Are you sure you want to
    Your message goes here
  • Hola excelente presentacion , estoy realizando un trabajo en la universidad sobre este tema y te agradeceria que me mandaras ilrosales@hotmail.com, la presentacion, ya que hay partes que no se aprecia el texto. Gracias
    Are you sure you want to
    Your message goes here
  • Buena explicacion de los conceptos de mineria de datos...pero hay partes que no se leen. Estaria muy agradecido si me lo envian a mi correo. Maxirgom@hotmail.com. Saludos desde Venezuela.
    Are you sure you want to
    Your message goes here
No Downloads

Views

Total Views
39,805
On Slideshare
0
From Embeds
0
Number of Embeds
17

Actions

Shares
Downloads
0
Comments
16
Likes
60

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Minería de Datos 3”
  • 2. GENERACION DE DATOS
  • 3. GENERACION DE DATOS Ing. Janett Deisy Julca Flores
  • 4. CONTENIDO
    • ¿Qué es Minería de Datos?
    • Orígenes de la Minería de Datos
    • Clasificación de la Minería de Datos
    • Características de la Minería de Datos
    • Usuarios de la Minería de Datos
    • Metodologia de la Minería de Datos
    • Proceso de la Minería de Datos
    • Extensiones de la Minería de Datos
    • Aplicaciones de la Minería de Datos
    Ing. Janett Deisy Julca Flores
  • 5. ¿Qué es Minería de Datos? Es un mecanismo de explotación, consistente en la búsqueda de información valiosa en grandes volúmenes de datos. La minería de datos se centra en llenar la necesidad de descubrir el por que, para luego predecir y pronosticar las posibles acciones con cierto factor de confianza para cada predicción. Es el análisis de archivos y bitácoras de transacciones, trabaja a nivel del conocimiento con el fin de descubrir patrones, relaciones, reglas, asociaciones o incluso excepciones útiles para la toma de decisiones.
  • 6. Orígenes de la Minería de Datos
    • La minería de datos se ha insertado desde los años 90 en el contexto de las tecnologías de la información, algoritmia y desarrollo de software.
    • Las líneas de desarrollo en el ámbito de minería de datos tienen sus orígenes en tres conceptos importantes.
        • Estadística Clásica
        • Inteligencia Artificial
        • Aprendizaje Automático
    Análisis de regresión, desviación estándar, varianza, análisis de clustering, intervalos de confianza, entre otros. Ciertamente, en las herramientas y técnicas utilizadas en minería de datos, el análisis de estadística clásica juega un rol sumamente importante . Esta disciplina se encuentra basada en heurísticas, de forma opuesta a la estadística, pero debido a que su implementación necesitaba de computadoras con un poder de procesamiento alto Podemos describir como la unión de las estadísticas e Inteligencia Artificial porque conjunta heurísticas con análisis estadístico avanzado.
        • “ La minería de Datos es un campo interdisciplinario que conjunta las técnicas de aprendizaje automático, reconocimientos de patrones, estadística, base de datos y visualización, para dirigirla a la extracción e interpretación de base de datos inmensas ”.
  • 7.
    • La Minería de datos puede ser dividida en:  
      • Minería de datos predictiva (MDP)
      • Minería de datos para descubrimiento de conocimiento (MDDC)
    Minería de Datos Usa primordialmente técnicas estadísticas Usa principalmente técnicas de inteligencia artificial
  • 8. Características de la Minería de Datos
    • Las herramientas de la minería de datos se combinan fácilmente y pueden analizarse y procesarse rápidamente.
    • Explorar los datos se encuentran en las profundidades de las bases de datos, como los almacenes de datos, que algunas veces contienen información almacenada durante varios años.
    • El entorno de la minería de datos suele tener una arquitectura cliente servidor
    • Debido a la gran cantidad de datos, algunas veces resulta necesario usar procesamiento en paralelo para la minería de datos.
    • Hurgar y sacudir a menudo implica el descubrimiento de resultados valiosos e inesperados.
    • En algunos casos, los datos se consolidan en un almacén de datos y en mercados de datos; en otros, se mantienen en servidores de Internet e Intranet.
  • 9.
    • Los componentes esenciales de la tecnología de Minería de Datos han estado bajo desarrollo por décadas, en áreas de investigación como:
          • Estadísticas.
          • Inteligencia artificial.
          • aprendizaje de máquinas.
    Fundamentos de la Minería de Datos
  • 10.
    • En la Minería de Datos presentan los siguientes tipos de usuarios:
    • Analistas Empresariales.
    • Los peritos en estadística
    • Los profesionales en tecnología de la información.
    • Las funciones del analista empresarial se presentan a continuación:
    Usuarios de la Minería de Datos
  • 11. Metodología de la Minería de Datos
  • 12. Proceso de la Minería de Datos es el proceso de aplicar a una determinada base de datos las operaciones requeridas de selección, exploración, muestre, transformación y métodos de modelado para extraer los patrones y posteriormente evaluarlos para identificar el conjunto de ellos que representaran el conocimiento. El proceso de KDD (Knowledge Discovery in Databases) es un proceso iterativo porque incluye numerosos pasos en los que el usuario tiene que tomar decisiones. Es iterativo porque puede ser necesario acceder desde una fase a cualquiera de las anteriores, e interactivo porque el proceso es supervisado por el usuario de forma directa. . Consta de 4 pasos : 1. Selección de Objetivos 2. Preparación de Datos 3. Construcción del Modelo 4. Análisis de los Resultados .
  • 13.
    • Web Mining:
      • Una de las extensiones del data mining consiste en aplicar sus técnicas a documentos y servicios del Web, lo que se llama web mining (minería de web).
      • Las herramientas de web mining analizan y procesan estos logs para producir información significativa, por ejemplo, cómo es la navegación de un cliente antes de hacer una compra en línea.
    Extensiones de la Minería de Datos
    • Normalmente, el web mining puede clasificarse en tres dominios de extracción de conocimiento de acuerdo con la naturaleza de los datos:
    • Web content mining (minería de contenido web). Es el proceso que consiste en la extracción de conocimiento del contenido de documentos o sus descripciones.
    • Web structure mining (minería de estructura web). Es el proceso de inferir conocimiento de la organización del WWW y la estructura de sus ligas.
    Web usage mining (minería de uso web). Es el proceso de extracción de modelos interesantes usando los logs de los accesos al web.
  • 14.
      • Text mining
    •  
    • El ochenta por ciento de la información de una compañía está almacenada en forma de documentos.
    • Usa técnicas como la categorización de texto, el procesamiento de lenguaje natural, la extracción y recuperación de la información o el aprendizaje automático, entre otras, apoyan al text mining (minería de texto).
    • En ocasiones se confunde el text mining con la recuperación de la información (Information Retrieval o IR) (Hearst, 1999).
    Extensiones de la Minería de Datos
  • 15.
      • En la Empresa:
    • Detección de fraudes en las tarjetas de crédito:
    • En 2001, las instituciones financieras perdieron más de 2.000 millones de dólares en fraudes con tarjetas de crédito y débito.
    • El Falcon Fraud Manager es un sistema inteligente que examina transacciones, propietarios de tarjetas y datos financieros para detectar y mitigar fraudes.
    Aplicaciones de la Minería de Datos
  • 16.
      • En la Universidad
    • Conociendo si los recién titulados de una universidad llevan a cabo actividades profesionales relacionadas con sus estudios:
    • Se hizo un estudio sobre los recién titulados de la carrera de Ingeniería en Sistemas computacionales del Instituto Tecnológico de Chihuahua II, en Méjico (Rodas, 2001).
    • Mediante la aplicación de conjuntos aproximados se descubrió que existían cuatro variables que determinaban la adecuada inserción laboral, que son citadas de acuerdo con su importancia:
      • Zona económica donde habitaba el estudiante.
      • Colegio de donde provenía.
      • Nota al ingresar .
      • Promedio final al salir de la carrera.
    Aplicaciones de la Minería de Datos
  • 17.
    • Ahorra grandes cantidades de dinero a una empresa y abre nuevas oportunidades de negocios.
    • Contribuye a la toma de decisiones tácticas y estratégicas.
    • Proporciona poder de decisión a los usuarios del negocio, y es capaz de medir las acciones y resultados de la mejor forma.
    • Genera Modelos descriptivos: permite a empresas, explorar y comprender los datos e identificar patrones, relaciones y dependencias que impactan en los resultados finales .
    • Genera Modelos predictivos: permite que relaciones no descubiertas través del proceso de la Minería de Datos sean expresadas como reglas de negocio.
    Conclusiones
  • 18. Tarea
    • Realizar un mapa conceptual del tema tratado.
    Ing. Janett Deisy Julca Flores
  • 19. ¿Preguntas?
  • 20. ! GRACIAS POR SU ATENCION !