CURSO DE FORMACIÓN EN DATA MINING CON "R"

Información do curso

CURSO DE FORMACIÓN EN DATA MINING CON "R"


Tipo Curso de Formación
Código F3062002
Nome CURSO DE FORMACIÓN EN DATA MINING CON "R"
  Lembre que para acceder ou matricularse nos cursos debe entrar no sistema polo menú de Acceso (á esquerda da ventá). Se aínda non está rexistrado prema aquí.
Modalidade Virtual asíncrona
Horas 35
Descrición

Curso de Minería de Datos, totalmente no presencial, comienza el 1 de mayo de 2020 y durará un mes, con una dedicación media de una hora diaria, y está dirigido a investigadores, estadísticos, estudiantes de doctorado, profesionales de gestión de datos, y personas interesadas en las técnicas estadísticas. No se requiere un nivel avanzado de conocimientos previos.

Información de contacto:  
 · Teléfono 986 415687
 · Fax
 · Enderezo electrónico
Compartir:

Descrición

En este curso se utiliza el programa estadístico “R”, que es completamente gratuito y se puede instalar en cualquier ordenador y sistema operativo. Se ha convertido en pocos años en el programa estadístico de uso general más potente y versátil, con gran diferencia sobre cualquier otro programa existente (incluidos los de coste elevado, como SPSS, STATISTICA, SAS, etc). R es también el programa estadístico con mayor potencia de gráficos. La comunidad estadística mundial colabora de forma desinteresada con R Project, y miles de investigadores aportan constantemente rutinas y utilidades. Actualmente es fácil encontrar paquetes de R y aplicaciones avanzadas para cualquier área de conocimiento.

El curso incluye una breve introducción al programa R y las técnicas estadísticas de Minería de Datos más utilizadas, con un enfoque práctico y aplicado. Para cada técnica se explica su principio estadístico de funcionamiento, el algoritmo, las condiciones de su aplicación y la interpretación correcta de los resultados, de forma que el alumno pueda adquirir la competencia de utilizarlos con sus propios datos. Para todos los métodos se explica su aplicación paso a paso con el programa R con datos de ejemplo adecuados, y el alumno debe realizar a continuación de forma autónoma una tarea de aplicación similar.

Entidades organizadoras

Escuela Universitaria de Estudios Empresariales de Vigo

Profesores del Departamento de Estadística de la Universidad de Vigo

Información sobre o calendario (datas)

Período de matrícula 03/04/2020 00:59 - 28/04/2020 23:59
Período de docencia 01/05/2020 - 31/05/2020

Prazas e créditos

Número mínimo de participantes 10
Número máximo de participantes 75
Créditos teóricos 2.1
Créditos prácticos 1.4

Destinatarios/as

Investigadores, Estadísticos, usuarios del programa estadístico R, usuarios de la Estadística en general.

Obxectivos

El alumno debe adquirir competencias para aplicar las principales técnicas de minería de datos a sus propios datos, así como para verificar las condiciones en las que cada técnica es adecuada e interpretar correctamente los resultados.

Condicións de acceso

1.Titulados/as universitarios de primeiro e segundo ciclo,
2.Alumnos/as da universidade,
3.profesionais directamente relacionados coa especialidade, sempre e cando reúnan os requisitos legais para cursar estudios universitarios, e
4.de xeito excepcional e sempre que non superen o 50% do total dos alumnos do curso, poderán ser admitidos ós mesmos profesionais relacionados coa especialidade que non reúnan os requisitos legais de acceso á universidade.

Criterios de selección

Orden cronológico de solicitud. Existen becas con una reducción de 35 euros en la matrícula para los desempleados y estudiantes, los cuales deberán enviar el justificante de la condición de parado o estudiante antes de realizar la matrícula.

Calendario

El curso tiene lugar desde el 1 hasta el 31 de mayo de 2020, de forma totalmente no presencial, mediante secuenciación de las unidades didácticas a través de Faitic, la plataforma de teledocencia de la Universidad de Vigo, con horario contínuo y flexible. El alumno puede elegir cada día el momento de su acceso a los materiales docentes, prácticas y pruebas, debiendo cumplir los plazos de envio de trabajos, informes de prácticas y cuestionarios de evaluación.

Programa

MÓDULOS TEÓRICOS:
1. Introducción a la Minería de Datos. Analisis Cluster. K-Means. EM (Expectation-Maximization)
Introducción al programa estadístico R.
Introducción a la Minería de Datos.
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.

2. Métodos de Conjunto: Adaboost, Random Forest.
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.

3. Clasificador Basado en Reglas: Chaid, Naive Bayes (Clasificador Bayesiano).
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.

4. Arboles de Decisión: CART; Clasificación C5.0
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.

5. Problemas Multiclase: Knn; Redes Neuronales: Support Vector Machines.
Descripción del método 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.

6. Analisis de Asociación. A Priori. Motores de Búsqueda: Pagerank.
Descripción del método A Priori. 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.

MÓDULOS PRÁCTICOS:
Aplicación práctica
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.

Modo de pagamento

- Matrícula ordinaria: 125 €
- Matrícula reducida (desempleados, estudiantes): 90 €

 

Impartido en

Plataforma de Teledocencia - FAITIC - de la Universidad de Vigo.

Totalmente a distancia, el curso se puede seguir desde cualquier lugar.

Observacións

No se requieren conocimientos previos avanzados de Estadística, del programa R, o de Minería de Datos  (aunque esos conocimientos permiten mejorar el rendimiento del alumno)

Titulación

La superación del curso dará derecho a la obtención de un diploma expedido por la Universidad de Vigo.
Importe del diploma (tasas de emisión como título propio): 12,02 €

La tramitación del diploma se realiza en el Servizo de Xestión de Estudos de Posgrao:

Edificio Filomena Dato,

2º andar - Campus de Lagoas-Marcosende
36310 - VIGO (Pontevedra)
Teléfono.: 986 816 554
E-mail: negociado.formacionpermanente@uvigo.es

Profesorado

Antonio Vaamonde Liste,  Catedrático de Estadística de la Universidad de Vigo

Ricardo Luaces Pazos, Profesor Titular de Estadística de la Universidad de Vigo

Sistema de avaliación

Envío de 6 tareas e informes de prácticas: 84% de la calificación final
Examen mediante cuestionario de evaluación online (a través de Faitic): 16% de la calificación final.

Calquera dúbida acerca dos detalles dun curso debe dirixila á dirección de dito curso. Por favor, consulte o apartado Información de contacto do curso.

Enderezo electrónico (unicamente problemas técnicos): |  RSS: Catálogo de cursos