Semestre y carrera en la que se imparte: 9º semestre, ISC y LSCA
Requisito: Cb00861 Fundamentos de Bases de Datos
Equivalencia: No existe
OBJETIVO GENERAL:
En los últimos años se ha visto un gran crecimiento en la capacidad de generación y almacenamiento de información, debido a la creciente automatización de procesos y los avances en las capacidades de almacenamiento de información. Desafortunadamente, no se ha visto un desarrollo equivalente en las técnicas de análisis de información, por lo que existe la necesidad de una nueva generación de técnicas y herramientas computacionales con la capacidad de asistir a usuarios en el análisis automático e inteligentes de datos. El procesar automáticamente grandes cantidades de datos para encontrar conocimiento útil para un usuario y satisfacerle sus metas, es el objetivo principal del área de Descubrimiento de Conocimiento en Bases de Datos.
Los objetivos del curso son: dar un panoráma general de lo que implica el descrubrimiento de conocimiento en bases de datos, conocer a detalle las técnicas más importantes empleadas y aprender a utlizarlas en bases de datos específicas.
TEMAS Y SUBTEMAS.
Objetivo especifico.
1. Introducción
Se da un panorama general de lo que es el área de descubrimiento de conocimiento en bases de datos, sus componentes principales, las tareas que realiza y se da un panorama de los primeros sistemas que se desarrollaron al respecto.
2. Técnicas de extracción de patrones para análisis de dependencias, identificación de clases, descripción de conceptos, detección de desviaciones, casos extremos o anomalías:
Se da una introducción al área de aprendizaje computacional, se revisan los principales algoritmos de: Árboles de decisión y regresión, reglas de clasificación, aprendizaje basado en instancias y casos, reglas de asociación, programación lógica inductiva, aprendizaje bayesianos, redes bayesianas, clustering, redes neuronales y algoritmos genéticos
3.Técnicas complementarias:
Se revisan las formas de evaluación que existen para los algoritmos, las principales técnicas de discretización, de selección de atributos, de escalamiento de algoritmos y su paralelización, y de visualización de datos
4. Bases de datos, bodegas de datos, OLAP y OLAM
Se revisa la relación que existe en las técnicas de descubrimiento de conocimiento en bases de datos, las bodegas de datos y las herramientas OLAP y OLAM
5.Herramientas
Se hace una revisión de las principales herramientas que existen en el área.
6. Aplicaciones
Se discuten aplicaciones reales y académicas en diferentes bases de datos
7.Conclusiones
Se da un panorama general del curso y se señalan las tendencias y retos más importantes del área.
METODOLOGÍA DE ENSEÑANZA.
Exposición por parte del profesor
Desarrollo de un proyecto
Utilización de herramientas de descubrimiento de conocimiento en bases de datos reales y académicas para ilustrar los principales métodos vistos en clase.
ACTIVIDADES DE APRENDIZAJE.
Desarrollo de un proyecto relacionado con algún aspecto de curso.
Utilización de herramientas de descubrimiento de conocimiento en bases de datos reales y académicos para ilustrar los temas vistos en clase.
TIEMPO ESTIMADO POR TEMA.
|
Tema |
Horas |
|
1 Introducción |
3 |
|
2 Técnicas de extracción de patrones. |
21 |
|
3 Técnicas complementarias. |
12 |
|
4 Bases de datos, bodegas de datos, OLAP y OLAM. |
3 |
|
5 Herramientas. |
3 |
|
6 Aplicaciones. |
3 |
|
7 Conclusiones |
3 |
POLÍTICAS DE EVALUACIÓN.
1 exámenes parcial: 33.33%
1 examen final: 33.33 %
1 proyecto final: 33.33 %
LIBROS DE CONSULTA.
PERFIL DEL PROFESOR.
Experiencia en el desarrollo de aplicaciones
Conocimientos de técnicas de aprendizaje computacional
Conocimiento de estadística
MATERIAL DE APOYO Y BIBLIOGRAFÍA.