Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
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 ] | |||||
Descripción/Contenidos
Introducción al text mining. Utilización de sistemas inteligentes en minería de datos. Técnicas de minería de datos descriptiva. Sistemas de predicción.
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.
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.
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.
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 |
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 |
Nota: Aquellos estudiantes que no alcancen la nota mínima en el apartado primero, tendrán como calificación la nota de dicho apartado.
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.
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.