40 lines
2.7 KiB
Org Mode
40 lines
2.7 KiB
Org Mode
#+title: Mineria de datos
|
|
#+options: toc:nil num:nil
|
|
|
|
* OBJETIVOS
|
|
El objetivo de la unidad es la de comprender el concepto de minería de datos, y el proceso de
|
|
descubrimiento de conocimiento, como así también la comprensión de las fases de un proyecto de
|
|
minería de datos.
|
|
GUÍA DE PREGUNTAS PARA REVISAR CONCEPTUALMENTE LA UNIDAD
|
|
** 1. ¿En qué consiste el Data Mining y cuál es su utilidad? Explique.
|
|
El Data Mining es el proceso de analizar grandes conjuntos de datos para descubrir patrones y conocimientos útiles que mejoren la toma de decisiones y optimicen procesos en diversos campos.
|
|
|
|
** 2. ¿Por qué se llama minería al proceso de descubrir nuevo conocimiento?
|
|
Porque es el descubimiento de informacion nueva en un lugar ya conocido.
|
|
|
|
** 3. ¿Qué tipos de datos utiliza la minería de datos
|
|
Utiliza Tipos de datos estructurados como bases de datos o semiestructurados como xml o json.
|
|
|
|
** 4. ¿Qué es un proyecto de minería de datos
|
|
Es un proyecto en el cual se busca analizar grandes conjuntos de datos.
|
|
|
|
** 5. ¿Cuál es la relación de la minería de datos con un Data warehouse?
|
|
La mineria de datos suele utilizar una data warehouse como fuente centralizada de datos normalizados.
|
|
|
|
** 6. ¿Cuáles son las fases de un proyecto de minería de datos? Explíquelas.
|
|
- Comprensión de los Datos: Recopilar, explorar y evaluar los datos disponibles para determinar su calidad y relevancia.
|
|
- Preparación de los Datos: Limpiar, transformar y seleccionar los datos adecuados para el análisis.
|
|
- Modelado: Aplicar técnicas y algoritmos de minería de datos para identificar patrones y relaciones.
|
|
- Despliegue: Implementar y utilizar los modelos en el entorno real para la toma de decisiones o procesos automáticos
|
|
|
|
** 7. ¿Qué es la minería de datos?
|
|
Un proceso de analisis donde el sujeto es un gran conjunto de datos almacenados para poder tomar decisiones informadas en la empresa.
|
|
|
|
** 8. ¿Cuáles son las posibles aplicaciones predictivas? 13. ¿Cuáles son las posibles aplicaciones asociativas?
|
|
- Las aplicaciones predictivas incluyen previsión de ventas, detección de fraudes, análisis de riesgos y recomendaciones personalizadas.
|
|
|
|
- Las aplicaciones asociativas incluyen análisis de canasta de compras, identificación de patrones de comportamiento y detección de relaciones entre variables en conjuntos de datos.
|
|
|
|
** 9. Explique las diferencias entre una variable continua y una discreta. ¿Cómo haría para volver discreta una variable continua? Cite un ejemplo.
|
|
Una variable continua es una que posee una infinita cantidad de puntos intermedios entre el 0 y 1. mientra que una discreta posee una cantidad finita. por ejemplo una discreta seria un sistema de numeros que solo permita un numero despues de la coma. ya que desde el 0 al 1 hay 10 numeros 0.1, 0.2, 0.3, ....
|