Universidad Pública de Navarra



Año Académico: 2023/2024 | Otros años:  2022/2023  |  2021/2022 
Graduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarra
Código: 505402 Asignatura: EXTRACCIÓN DEL CONOCIMIENTO
Créditos: 6 Tipo: Obligatoria Curso: 4 Periodo: 1º S
Departamento: Estadística, Informática y Matemáticas
Profesorado:
SESMA SARA, MIKEL (Resp)   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

  • Materia Nivel 1: Minería de Datos
  • Materia Nivel 2: Minería de Datos

Subir

Descripción/Contenidos

Introducción al text mining. Utilización de sistemas inteligentes en minería de datos. Técnicas de minería de datos descriptiva. Sistemas de predicción.

Subir

Competencias genéricas

  • CG4- Saber utilizar los procesos teóricos y aplicados que permiten extraer información a partir de conjuntos de datos de naturaleza homogénea u heterogénea, en particular cuando se trata de grandes volúmenes de datos.
  • CG5- Identificar las soluciones más adecuadas y efectivas para los problemas que se planteen el marco de la Ciencia de Datos, teniendo en cuenta tanto las características propias del problema como el entorno del mismo.
  • CB2- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
  • CT2- Capacidad para la comunicación eficaz oral y escrita.

Subir

Competencias específicas

  • CE15- Ser capaces de pensar críticamente sobre los datos, identificando los modos de almacenamiento, pre-procesamiento y análisis más adecuados para los objetivos del estudio.

Subir

Resultados aprendizaje

  • RA2. Describir las principales características de un conjunto de datos para facilitar su procesamiento.
  • RA3. Identificar relaciones entre los datos.
  • RA4. Extraer las características más relevantes de los datos.
  • RA7. Diseñar sistemas de predicción basados en los datos existentes.

Subir

Metodología

 

Metodología - Actividad Horas presenciales Horas no presenciales
A1- Clases expositivas 28  
A2- Prácticas 28  
A3- Realización de trabajos/proyectos en grupo   10
A4-Estudio y trabajo autónomo del estudiante   78
A5- Tutorías   2
A6- Pruebas de evaluación 4  
Total 60 90

Subir

Evaluación

 

Resultados de
aprendizaje		 Actividad de
evaluación		 Peso (%) Carácter
recuperable		 Nota mínima
requerida
RA2, RA3, RA4, RA7 Prueba escrita. 50% Sí 5/10
RA4, RA7 Presentaciones orales 10% No  
RA3, RA4, RA7 Elaboración de trabajos y resolución de problemas relacionados con la materia 40% No  

 

Subir

Temario

  • Introducción a la extracción del conocimiento. KDD.
  • Medidas de rendimiento
  • Ensembles
  • Clustering
  • Reglas de asociación
  • Sistemas de recomendación. Collaborative filtering.
  • Minería de textos
  • Extracción del conocimiento en imagen.

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


La Bibliografía Básica de la asignatura es la siguiente:

  • Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2005). Practical machine learning tools and techniques. Morgan Kaufmann, 578, 1.
  • Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: data mining, inference, and prediction. Springer Science & Business Media.
  • Ricci, F., Rokach, L., & Shapira, B. (2011). Recommender systems handbook. Springer, Boston, MA.

La Bibliografía Complementaria de la asignatura es la siguiente:

  • Bird, S., Klein, E., & Loper, E. (2009). Natural Language Processing with Python: Analyzing Text with Natural Language Toolkit. O'Reilly.
  • Shapiro, L., Stockman, G.C. (2001). Computer Vision. Prentice Hall.

Subir

Idiomas

Castellano.

Subir

Lugar de impartición

Campus Arrosadía, Pamplona.

Subir