Guía Docente de Minería de Datos: Métodos de Clasificación y

Anuncio
Guía Docente de Minería de Datos: Métodos de
Clasificación y Asociación
(1,5 ECTS)
María N. Moreno García
Departamento de Informática y Automática
Facultad de Ciencias – Universidad de Salamanca
Plaza de los Caídos S/N, 37008, Salamanca, España
Tfno. +34 923 294400. Ext. 1513
Fax. +34 923 294514
[email protected]
1. Contexto
Los algoritmos de minería de datos se clasifican en dos grandes categorías:
supervisados o predictivos y no supervisados o de descubrimiento del conocimiento.
Los algoritmos supervisados predicen el valor de un atributo (etiqueta) de un conjunto
de datos, conocidos otros atributos (atributos descriptivos). A partir de datos cuya
etiqueta se conoce se induce una relación entre dicha etiqueta y los atributos
descriptivos. Esas relaciones sirven para realizar la predicción en datos cuya etiqueta es
desconocida. Esta forma de trabajar se conoce como aprendizaje supervisado y se
desarrolla en dos fases: Entrenamiento (construcción de un modelo usando un
subconjunto de datos con etiqueta conocida) y prueba (prueba del modelo sobre el resto
de los datos). En este grupo se encuentran, por una parte, algoritmos que resuelven
problemas de clasificación debido a que trabajan con etiquetas discretas (árboles de
decisión, tablas de decisión, inducción neuronal, etc.) y por otra, algoritmos que se
utilizan en la predicción de valores continuos como son la regresión o las series
temporales.
Los algoritmos no supervisados realizan tareas descriptivas como el descubrimiento de
patrones y tendencias en los datos actuales (no utilizan datos históricos). Esa
información sirve para llevar a cabo acciones y obtener un beneficio científico o de
negocio de ellas. La inducción de reglas de asociación es la técnica más utilizada de este
grupo.
1.1. Líneas de investigación propias de esta materia



Algoritmos y técnicas
o Clasificación
o Asociación
o Metaaprendizaje
o Algoritmos escalables
o Algoritmos incrementales
Técnicas de evaluación de los modelos
Preprocesado de datos para el aprendizaje supervisado y para la generación de
reglas de asociación
o Reducción y/o transformación de datos
o Incertidumbre y datos incompletos

o Discretización
Aplicaciones de los métodos de clasificación y asociación
1.2. Líneas de investigación relacionadas con otras materias




Algoritmos
o Técnicas estadísticas
o Soft-computing
o Algoritmos genéticos
o Algoritmos incrementales
Minería de textos
Visualización
Aplicaciones
o Minería Web
o Procesos de producción industrial
o Estimación de software
2. Objetivos
2.1. Objetivos instrumentales generales
OI1:
Tener una visión general del estado del arte de las técnicas de asociación y
clasificación.
OI2:
Conocer y valorar la importancia de las etapas previas y posteriores a la
aplicación de los algoritmos.
OI3:
Aprender a identificar y solucionar problemas reales con técnicas de
asociación y clasificación.
OI4:
Adquirir la capacidad de interpretar los resultados obtenidos.
OI5:
Conocer los distintos ámbitos de aplicación de las técnicas de asociación y
clasificación.
2.2. Objetivos interpersonales generales
Objetivos comunes a todas las materias
2.3. Objetivos sistémicos generales
OS1: Desarrollar la madurez necesaria para plantear cuestiones relacionadas con
los temas tratados en la materia.
OS2: Capacidad para llevar a cabo un trabajo de investigación en minería de
datos.
3. Competencias
3.1. Competencias instrumentales
3.1.1. Habilidades cognitivas
Generales
CIC1:
Conocer y comprender las particularidades de la materia para aplicarlos
en el desarrollo de futuras líneas de investigación.
Unidad Didáctica I: Introducción
CIC2:
Conocer los fundamentos y la forma de llevar a cabo el aprendizaje
supervisado.
CIC3:
Conocer la taxonomía de los métodos de aprendizaje supervisado.
CIC4:
Conocer el propósito de las técnicas no supervisadas y las formas de
obtención de modelos asociativos.
CIC5:
Conocer los fundamentos de las principales técnicas de aprendizaje no
supervisado.
Unidad Didáctica II: Clasificación
CIC6:
Conocer diferentes algoritmos de clasificación.
CIC7:
Profundizar en los métodos de clasificación más conocidos y utilizados.
CIC8:
Aprender las diferentes formas de construir multiclasificadores.
CIC9:
Aprender diferentes técnicas para evaluar la exactitud de los
clasificadores.
Unidad Didáctica III: Regresión
CIC10: Conocer los algoritmos básicos de inducción de reglas de asociación.
CIC11: Conocer los problemas que presenta la generación de reglas y los
principales métodos usados para abordar dichos problemas.
CIC12: Aprender a evaluar la validez y utilidad de los modelos de asociación.
3.1.2. Capacidades metodológicas
CIM1:
Ser capaz de aplicar las técnicas aprendidas en la resolución de
problemas concretos.
3.1.3. Destrezas tecnológicas
CIT1:
Manejar con fluidez diferentes herramientas de minería de datos,
especialmente las específicas de los métodos tratados en la materia.
3.1.4. Destrezas lingüísticas
Las comunes a todas las materias.
3.2. Competencias interpersonales
3.2.1. Competencias para tareas colaborativas
CIPTC2: Ser capaz de presentar en público y debatir un trabajo de investigación.
3.2.2. Compromiso con el trabajo
Los comunes a todas las materias.
3.3. Competencias sistémicas
Las comunes a todas las materias.
4. Prerrequisitos
4.1. Competencias y contenidos mínimos

Conocimientos básicos de estadística y análisis de datos.
4.2. Plan de trabajo para la consecución de los prerrequisitos

Titulación previa (Ingeniería Informática).

Cursos de formación básica de esta titulación de posgrado para otros
titulados.
5. Temario
Unidad Didáctica I: Introducción
Tema 0: Sumario de la materia
Tema 1. Aprendizaje supervisado
Tema 2. Aprendizaje no supervisado
Unidad Didáctica II: Clasificación
Tema 3. Árboles de decisión
Tema 4. Redes bayesianas
Tema 5. Reglas de decisión
Tema 6. Multiclasificadores
Tema 7. Evaluación de los clasificadores
Unidad Didáctica III: Asociación
Tema 8. Reglas de asociación
Tema 9. Evaluación de los modelos de asociación
6. Metodología y estrategias de aprendizaje
6.1. Metodología docente
Para lograr los objetivos metodológicos planteados en el programa de posgrado se
proponen las siguientes actividades:

Clases de teoría con apoyo de material audiovisual. En estas clases se
presentarán los contenidos básicos de un cierto tema. Las clases comenzarán
con una breve introducción de los contenidos que se pretenden transmitir en
la clase, así como con un breve comentario a los conceptos vistos en clases
anteriores y que sirven de enlace a los que se pretenden desarrollar. El
desarrollo de la clase se llevará a cabo con medios audiovisuales, textos,
transparencias… que permitan un adecuado nivel de motivación e interés en
los alumnos. Se debe intentar motivar a los alumnos a intervenir en cualquier
momento en las clases para hacer éstas más dinámicas y facilitar el
aprendizaje. Es importante intentar terminar la exposición con las
conclusiones más relevantes del tema tratado.

Trabajos de investigación. Los alumnos en parejas desarrollarán algún
trabajo de investigación sobre algún tema expuesto o incluso podrían llevar a
cabo la presentación de alguno de los tópicos de la última unidad didáctica.

Presentación oral de los trabajos. Los alumnos defienden públicamente sus
trabajos.

Tutorías. El alumnado tiene a su disposición seis horas de tutorías a la
semana en las que puede consultar cualquier duda relacionada con los
contenidos, organización y planificación de la materia. Las tutorías pueden
ser individualizadas, pero se admiten tutorías grupales.

Zona virtual. Se convierte en el vehículo de comunicación y registro de
información de la materia.
6.2. Estrategias de aprendizaje
Se detalla las actuaciones concretas a realizar para la aplicación y aprovechamiento de
la metodología propuesta. Se estructura en las siguientes fases:
6.2.1. Recopilación de la documentación de la materia
Directrices comunes a todas las materias.
6.2.2. Planificación de las clases teóricas
Directrices comunes a todas las materias.
6.2.3. Planificación de los trabajos de investigación

Los alumnos por parejas discutirán con el profesor en tutorías el trabajo a
realizar en la materia.

El profesor publicará en la zona virtual los temas cerrados.

Los alumnos presentarán oralmente sus trabajos y debatirán los resultados
con el resto de compañeros con moderación del profesor.
6.2.4. Evaluación

Se plantea una forma de evaluación continua.

Los trabajos representan el centro de la evaluación.
7. Planificación del tiempo y del esfuerzo
Esta materia consta de 1,5 ECTS. Tomando 25 horas de esfuerzo por ECTS, en la Tabla
1 se recoge la distinción del tiempo y el esfuerzo necesarios para superar esta materia.
Técnica
Teoría
Seguimiento de
la parte teórica
de las unidades
didácticas
Realización
trabajo de
investigación
Trabajo de
investigación por
pares de
obligada
realización
Presentación
de los
trabajos
realizados
Defensa y
debate de los
trabajos de
investigación
Otras
actividades
Consulta de
bibliografía
especializada y
búsquedas en
red
Actividad
Asimila
contenidos.
Se plantea
dudas que
plateará a los
profesores en
las tutorías
Desarrollo de
un trabajo
acorde con las
líneas de
investigación
de la materia
Presentación
oral de los
trabajos con
medios
audiovisuales
Busca,
maneja,
referencia…
bibliografía
especializada
y elementos
para
completar los
contenidos
Recibe
orientación
personalizada
Tutorías
personalizadas y
grupales
TOTAL
A
Horas
equivalentes
de clase
B
Factor de
trabajo del
alumno†
C
Horas de
trabajo
personal
del alumno
D
Horas
totales
(A+C)
E
ECTS
(D ÷ 25)
8
1,5
12
20
0,8
-
-
10
10
0.4
2,5
-
-
2,5
0,1
-
-
4
4
0,16
-
-
1
1
0,04
27
37,5
1,5
10,5
Tabla 1. Escenario ECTS = 25 horas de trabajo
8. Bibliografía
8.1. Bibliografía básica
•
P. Cabena; P. Hadjinian; R. Stadler; J. Verhees y A. Zanasi, Discovering Data
Mining. From Concept to Implementation, Prentice Hall, 1998.
•
U.M. Fayyad, G. Piatetsky-Shapiro, P. Smyth y R. Uthurusamy Eds. Advances
in Knowledge Discovery and Data Mining, AAAI Press, 1996.
•
J. Hernández, M.J. Ramírez y C. Ferri, Introducción a la Minería de Datos,
Pearson Education, 2004 .
•
R.S. Michalski; I. Bratko y M. Kubat, Machine Learning and Data Mining, Johb
Wiley and Sons, 1998.
•
S.M. Weiss y N. Indurkhya, Predictive Data Mining. A Practical Guide, Morgan
Kaufmann Publishers, San Francisco, 1998.
8.2. Bibliografía complementaria
•
†
Mineset user’s guide, v. 007-3214-004, 5/98, Silicon Graphics, 1998.
Número de horas dedicadas por el alumno al trabajo personal (organización de apuntes, estudio,
documentación...) por cada hora de clase.
•
I.H. Witten y E. Frank, Data Mining. Practical Machine Learning Tools and
Techniques with Java Implementations, Morgan Kaufmann, 2000.
8.3. Recursos
8.3.1. Revistas

Data Mining and Knowledge Discovery

Decision Support Systems

Data and Knowledge Engineering

Artificial Intelligence
8.3.2. Conferencias

ACM SIGKDD
and Data Mining

IEEE International Conference on Data Mining (ICDM)

International Conference on Data Warehousing and Knowledge Discovery
(DaWaK)

International Conference on Database and Expert Systems Applications
(DEXA).

International Conference on Electronic Commerce and Web Technologies (ECWeb)

International Conference on Machine Learning (ICML)

International Conference on Web Engineering (ICWE)

European Conference on Artificial Intelligence (ECAI)

European Conference on Machine Learning (ECML)

European Conference on Principles and Practice of Knowledge Discovery in
Databases (PKDD).

Taller de Minería de Datos y Aprendizaje (TAMIDA)
International
Conference
on
Knowledge
8.4. Enlaces de interés

UCI Machine Learning Group
o http://www.ics.uci.edu/~mlearn/

KD nuggetsTM
o

http://www.kdnuggets.com/
Electronic Textbook StatSoft
o http://www.statsoftinc.com/textbook/stathome.html
9. Evaluación de los procesos y resultados de aprendizaje
En esta materia se lleva a cabo una evaluación continua.

Se tendrá en cuenta la asistencia y la participación activa en clase.
o Se exigirá un mínimo de un 80% de las horas presenciales.
Discovery

Realización y defensa de un trabajo de investigación por parejas
(dimensionado al esfuerzo detallado en el punto 7 de esta guía).
o Se valorará la precisión, capacidad de comunicación y espíritu crítico y
constructivo.
o La calificación de este trabajo se dividirá en un 60% por la evaluación de
la memoria entregada y un 40% la exposición y defensa del mismo.
La nota final de esta materia se basará en la nota del trabajo, pero podrá ser matizada al
alza por la participación activa en las actividades presenciales.
Descargar