Minería de Datos con "R"

 

Descrición

O curso inclúe as principais técnicas estatísticas de minería de datos, que se ensinarán de forma práctica e aplicada. Estas técnicas son utilizadas habitualmente na investigación científica (teses doutorais, proxectos, artigos publicados, …) e na investigación técnica nas empresas e institucións. Preténdese que os alumnos do curso sexan capaces de aplicar calquera delas aos seus propios datos.

 

 

 

Modalidade

 

Horario

O curso ten lugar desde o 1 ata o 30 de junio de 2024, de forma totalmente non presencial, mediante secuenciación das unidades didácticas a través da plataforma de teledocencia

 

 

Prezos

Público en xeral	Alumni UVigo	Comunidade UVigo
140 €	126 €	119 €

Observacións aos prezos

As persoas en situación de desemprego ou discapacidade recoñecida poderán solicitar o prezo reducido da comunidade universitaria no momento da matrícula 

 

Obxectivos

Coñecemento e comprensión, mediante o programa estatístico R, de uso libre e aberto, dos principais métodos de Minería de datos. Os alumnos aprenderán a aplicar correctamente todas as técnicas de minería de datos incluídas nos contidos aos seus propios datos. Deberán aprender a interpretar correctamente os resultados da aplicación das distintas técnicas estudadas, e verificar as condicións e supostos de aplicación, asegurando a súa corrección técnica.

 

Destinatarios

Investigadores, estatísticos, xestores de datos, usuarios do programa estatístico R, usuarios de Estatística en xeral.

 

Saídas Profesionais

O alumnado do curso poderán aplicar as técnicas de minería de datos aos seus propios datos, mediante o programa estatístico R Project, de uso totalmente libre e gratuíto. Tambien poderán verificar as condicións ou supostos de aplicación de cada unha das técnicas, e interpretar correctamente os resultados obtidos.

 

Idioma

Castelán

 

Competencias Específicas

Aplicar correctamente todas as técnicas de minería de datos incluídas nos contidos aos seus propios datos.

Interpretar correctamente os resultados da aplicación das distintas técnicas estudadas.

 

Competencias Transversais

Aplicación dos métodos de data mining a datos de calquera ámbito

Interpretar correctamente os resultados da aplicación das distintas técnicas estudiadas

 

Condicións de acceso

1) Titulados/as universitarios

2) Alumnos/as universitarios

3) Profesionais directamente relacionados coa especialidade que reúnan requisitos legais para cursar estudos universitarios

4) De forma excepcional e, sempre que non superen o 50% do total de alumnos do curso, poderán ser admitidos os mesmos profesionais que non reúnan requisitos

Non se requiren coñecementos previos avanzados de Estatística, do programa R, ou de Minería de Datos.

 

DOCUMENTACIÓN REQUIRIDA:

– DNI 

– Certificado de estudos

– CV

 

Criterios de selección

Orde cronolóxica de inscripción

 

Metodoloxía

Introdución á Minería de Datos
Introdución ao programa estatístico R. 
Descrición do método K – Means. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.
Descrición do método EM (Expectation-Maximization). Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.

Métodos de Conxunto
Descrición do método Adaboost. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.
Descrición do método Random Forest. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.

Clasificador Baseado en Regras
Descrición do método Chaid. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.
Descrición do método Naive Bayes. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.

Árbores de Decisión
Descrición do método CART. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.
Descrición do método C5.0. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.

Problemas Multiclase
Descrición do método KNN. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.
Descrición do método Support Vector Machines. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.

Análise de Asociación
Descrición do método A priori. Instrucións para a súa aplicación con R.
Exemplos de aplicación con datos reais. Interpretación de resultados.
Descrición do método Pagerank. Instrucións para a súa aplicación con R.
Exemplos de aplicación práctica. Interpretación de resultados.

Prácticas con R
Aplicación de todas as técnicas de Data Mining descritas no curso co programa R, con exemplos e datos reais, con especial énfase na verificación dos supostos específicos de cada un dos métodos e na interpretación correcta dos resultados.

 

Materias

id	nome	caracter	créditos
200404	Minería de Datos con “R”	Obligatoria	3.2

 

Profesorado

Ricardo Luaces pazos

Antonio Vaamonde Liste

 

Avaliación

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”