Minería de Datos con "R"

Diploma de curso de formación universitaria

Ámbito: InterdisciplinarCódigo: TCS:1055/3
Área de interés principal: Tecnoloxía | Área de interés secundaria: Transversal

Inicio y fin

01/06/2024 – 30/06/2024

Modalidad

Asíncrona (en línea)

Créditos ECTS

3.2 ECTS

Estado

Finalizado

100 plazas

 

Descripción

El curso incluye las principales técnicas estadísticas de minería de datos, que se enseñarán de forma práctica y aplicada. Estas técnicas son utilizadas habitualmente en la investigación científica (tesis doctorales, proyectos, artículos publicados, …) y en la investigación técnica en las empresas e instituciones. Se pretende que los alumnos del curso sean capaces de aplicar cualquiera de ellas a sus propios datos.

 

Director/a:

Andrés Antonio Vaamonde Liste

Teléfono contacto:

986 130 304

Email contacto:

vaamonde@uvigo.es

Entidad organizadora:

Facultade de Comercio

PERÍODO DE INSCRIPCIÓN
Inscripción cerrada
01/05/2024 – 29/05/2024

PERÍODO DE MATRÍCULA
Matrícula cerrada
01/05/2024 – 30/05/2024

Matrícula cerrada

 

 

Modalidad

Docencia presencial/virtual

0 horas

Docencia no presencial

32 horas

Prácticas en empresa

0 horas

Lugar de impartición
Plataforma de teleformación MOOVI da la Universidade de Vigo

 

Horario

El curso tiene lugar desde el 1 hasta el 30 de xuño de 2024, de forma totalmente no presencial, mediante secuenciación de las unidades didácticas a través la plataforma de teledocencia

 

 

Precios

Público en general Alumni UVigo Comunidad UVigo
140 € 126 € 119 €

Observaciones a los precios


Las personas en situación de desempleo o discapacidad reconocida podrán solicitar el precio reducido de la comunidad universitaria en el momento de la matrícula  

 

Objetivos

Conocimiento y comprensión, mediante el programa estadístico R, de uso libre y abierto, de los principales métodos de Minería de datos.Los alumnos aprenderán a aplicar correctamente todas las técnicas de minería de datos incluidas en los contenidos a sus propios datos. Deberán aprender a interpretar correctamente los resultados de la aplicación de las distintas técnicas estudiadas, y verificar las condiciones y supuestos de aplicación, asegurando su corrección técnica.

 

Destinatarios

Investigadores, estadísticos, gestores de dados, usuarios del programa estadístico R, usuarios de la Estadística en general.

 

Salidas Profesionales

El alumnado del curso podrán aplicar las técnicas de minería de datos a sus propios datos, mediante el programa estadístico R Project, de uso totalmente libre y gratuito. Tambien podrán verificar las condiciones o supuestos de aplicación de cada una de las técnicas, e interpretar correctamente los resultados obtenidos.

 

Idioma

Castellano

 

Competencias Específicas

Aplicar correctamente todas las técnicas de minería de datos incluidas en los contenidos a sus propios datos.

Interpretar correctamente los resultados de la aplicación de las distintas técnicas estudiadas.

 

Competencias Transversales

Aplicación de los métodos de data mining a datos de cualquier ámbito

Interpretar correctamente los resultados de la aplicación de las distintas técnicas estudiadas

 

Condiciones de acceso

1) Titulados/as universitarios

2) Alumnos/as universitarios

3) Profesionales directamente relacionados con la especialidad que reúnan requisitos legales para cursar estudios universitarios

4) De forma excepcional y, siempre que no superen el 50% del total de alumnos del curso, podrán ser admitidos los mismos profesionales que no reúnan requisitos

No se requieren conocimientos previos avanzados de Estadística, del programa R, o de Minería de Datos.

 

DOCUMENTACIÓN REQUERIDA:

– DNI 

– Certificado de estudios

– CV

 

Criterios de selección

Orden cronológico de inscripción

 

Metodología

Introducción a la Minería de datos
Introducción al programa estadístico R. 
Descripción del método K-Means. Instrucciones para su aplicación con R. 
Ejemplos de aplicación con datos reales. Interpretación de resultados. 
Descripción del método EM (Expectation – Maximization). Instrucciones para su aplicación con R.
Ejemplos de aplicación con datos reales. Interpretación de resultados.
 
Métodos de Conjunto
Descripción del método Adaboost. Instrucciones para su aplicación con R.
Ejemplos de aplicación con datos reales. Interpretación de resultados.
Descripción del método Random Forest. Instrucciones para su aplicación con R. 
Ejemplos de aplicación con datos reales. Interpretación de resultados.
 
Clasificador Basado en Reglas
Descripción del método Chaid. Instrucciones para su aplicación con R. 
Ejemplos de aplicación con datos reales. Interpretación de resultados.
Descripción del método Naive Bayes. Instrucciones para su aplicación con R. 
Ejemplos de aplicación con datos reales. Interpretación de resultados.
 
Árboles de Decisión
Descripción del método CART. Instrucciones para su aplicación con R.
Ejemplos de aplicación con datos reales. Interpretación de resultados. 
Descripción del método C5.0. Instrucciones para su aplicación con R.
Ejemplos de aplicación con datos reales. Interpretación de resultados.
 
Problemas Multiclase
Descripción del métido KNN. Instrucciones para su aplicación con R. 
Ejemplos de aplicación con datos reales. Interpretación de resultados. 
Descripción del método Support Vector Machines. Instrucciones para su aplicación con R.
 Ejemplos de aplicación con datos reales. Interpretación de resultados.
   
Análisis de Asociación
Descripción del método APriori. Instrucciones para su aplicación con R.
Ejemplos de aplicación con datos reales. Interpretación de resultados.
Descripción del método Pagerank. Instrucciones para su aplicación con R.
Ejemplos de aplicación práctica. Interpretación de resultados.
 
Prácticas con R
Aplicación de todas las técnicas de Data Mining descritas en el curso con el programa R, con ejemplos y datos reales, con especial énfasis en la verificación de los supuestos específicos de cada uno de los métodos y en la interpretación correcta de los resultados.

 

Asignaturas

id nombre caracter créditos
200404 Minería de Datos con «R» Obligatoria 3.2

 

Profesorado

Ricardo Luaces pazos

Antonio Vaamonde Liste

 

Evaluación

Envío de 6 tareas e informes de prácticas: 84% de la calificación final

Examen mediante cuestionario de evaluación online (a través de Moovi): 16% de la calificación final.

 

Titulación

Diploma de curso de formación universitaria en Minería de Datos con «R»