Aprendizaje Estadístico Y Data Mining

UNED - Fundación General

2.750 
IVA inc.
¿O prefieres llamar ahora al centro?

Información importante

  • Master
  • A distancia
  • 600 horas de estudio
Descripción

Objetivo del curso: El objetivo general del máster es estudiar los principios de los nuevos enfoques metodológicos del tratamiento de datos, así como algunas de las principales técnicas con mayor utilización en la práctica. Además se pretende lograr que sus participantes estén en disposición de realizar proyectos prácticos que permitan explotar el conocimiento que pueda encontrarse de las grandes bases de datos.
Dirigido a: El master está dirigido a Licenciados, preferentemente del ámbito de las Ciencias Económicas, Ciencias Empresariales, Administración y Dirección de Empresas, Ingenieros, Informáticos, Licenciados en Ciencias (Matemáticas, Físicas, Químicas, Biológicas y Geológicas). Será necesario tener conocimientos de inglés a nivel de lectura de un texto científico así como conocimientos básicos de informática a nivel de usuario.

Información importante

Requisitos: El alumno deberá incluir en el sobre de matrícula de la UNED fotocopia compulsada del título oficial que le da acceso al curso

Centro acreditado u homologado: Título Propio de Master expedido por la UNED.

Opiniones

No hay opiniones de este curso todavía

¿Qué aprendes en este curso?

Matemáticas y ciencias
Informática empresarial
Ingeniería geológica
Visión artificial
Proyectos informáticos
Algoritmos
Data mining
Inteligencia artificial
Inglés técnico
Ingeniería de redes
Cálculo estadístico
Ingeniería de proyectos
Ingeniería matemática
Estadística básica

Temario

  1. Principios de "Data mining".
  2. Análisis exploratorio de datos.
  3. Inferencia estadística.
  4. Aprendizaje estadístico supervisado.
  5. Clasificación y regresión.
  6. Árboles de decisión.
  7. Redes neuronales.
  8. Métodos aleatorios de búsqueda.
  9. Aprendizaje estadístico no supervisado.
  10. Análisis de conglomerados.
  11. Reglas de asociación.



Presentación y Objetivos
Los avances tecnológicos han facilitado notablemente la obtención y almacenamiento de datos en formato digital, por lo que actualmente es posible disponer de bases de datos de gran tamaño que encierran información relevante para su propietario y que puede resultar valiosa para tomar mejores decisiones de gestión. Esto ha despertado un gran interés por desarrollar técnicas estadísticas y de inteligencia artificial para extraer dicha información desconocida de las grandes masas de datos. Las disciplinas que persiguen, de una manera general, estos objetivos se engloban dentro de un nuevo campo que suele denominarse "aprendizaje estadístico" o bien de una manera más sugerente "data mining", es decir, "minería de datos". Estas disciplinas incluyen un conjunto de técnicas que se encuentran dispersas por diversos ámbitos científicos y utilizan, con frecuencia, diferentes lenguajes y modos de presentación, por lo que resulta difícil para la persona no especialista aprovechar estas herramientas y extraer de ellas resultados prácticos para la empresa, la investigación, el mercado, etc.
El master "Aprendizaje estadístico y Data mining" persigue sistematizar y unificar estas técnicas en una presentación conjunta que permita dar una visión clara de sus fundamentos teóricos y, sobre todo, de su utilidad práctica a la hora de enfrentarse con problemas reales. El objetivo general del máster es estudiar los principios de los nuevos enfoques metodológicos del tratamiento de datos, así como algunas de las principales técnicas con mayor utilización en la práctica. Además se pretende lograr que sus participantes estén en disposición de realizar proyectos prácticos que permitan explotar el conocimiento que pueda encontrarse de las grandes bases de datos.
De una manera específica, los principales objetivos del máster son los siguientes:

  • a) Conocer los principios generales de las nuevas técnicas para el tratamiento de grandes masas de datos.
  • b) Revisar las técnicas estadísticas clásicas para su adecuación a las grandes masas de datos.
  • c) Estudiar los principales métodos y algoritmos de "Data mining".
  • d) Estudiar métodos complementarios para el desarrollo de análisis de grandes masas de datos.
  • e) Familiarizarse con la práctica del tratamiento de grandes masas de datos.

El master está estructurado en cuatro cuatrimestres: en los tres primeros se desarrollarán los contenidos, mientras que el último cuatrimestre se dedicará a la realización de un proyecto de contenido práctico en forma de estudio estadístico.

Metodología y Actividades
El master sigue la metodología a distancia basada en el estudio de los materiales didácticos y la asistencia tutorial para el seguimiento del aprendizaje.

Material Didáctico Obligatorio
El libro básico que servirá de refencia a lo largo del curso es: HAND, D., H. MANILA Y P. SMYTH (2001): Principles of Data Mining. The MIT Press. Se utilizarán también otros materiales que se enviarán oportunamente.

Criterios de Evaluación y Calificación
La evaluación tendrá carácter contínuo y se realizará mediante la modalidad de pruebas de evaluación a distancia para cada una de las partes del curso. Periódicamente se asignará el trabajo que hay que realizar incluyendo, en su caso, el envío del material didáctico correspondiente. En cada periodo, el alumno tendrá que completar la tarea asignada y enviar el correspondiente trabajo para su evaluación. En todo momento podrá recurrir a la asistencia tutorial. Cada trabajo recibirá la correspondiente evaluación de la que se informará al alumno. La evaluación final se basará tanto en los trabajos de curso como en el trabajo práctico de fin de master.

Duración y Dedicación
La duración del master es de dos cursos académicos. Consultar por próximas convocatorias.
Créditos: 60


Equipo Docente

  • D. Eduardo Ramos Méndez (Director) Departamento: Estadística, Investigación Operativa y Cálculo Numérico


Colaboradores

  • D. Víctor Hernández Morales
  • D. Javier Velez Reyes
  • D. Ricardo Vélez Ibarrola
  • D. José Antonio Carrilo Ruiz

Información adicional

Prácticas en empresa:

Proyecto práctico.