Proyecto final, presentación de datos. Centro Universitario de Ciencias Exactas e Ingenierías Departamento de Ciencias Computacionales Asignatura: Minería de Datos Clave de Asignatura: I5911 Propuesta 1 https://help.xlstat.com/6524-covid-19-data-analysis-excel Disponibles solo imágenes Propuesta 2 https://cienciasforenses.jalisco.gob.mx/estadisticas_sist1.php Se requiere estar usando filtros. Propuesta 3 https://www.gob.mx/salud/documentos/datos-abiertos-152127. Cómo se obtienen los datos (propuesta 3) https://www.gob.mx/salud/documentos/datos-abiertos-152127 https://www.gob.mx/salud/documentos/datos-abiertos-bases-historicas-direcciongeneral-de-epidemiologia Categorías de los datos (propuesta 3) Encabezado de datos más (extracto propuesta 3). Histórico de datos (periodo en el que se recolectaron propuesta 3) Abril 2020 al 28 Febrero 2022 Objetivos de aplicar minería de datos sobre ellos Los modelos predictivos son útiles para estimar el número de casos y de muertes por la COVID-19; los recursos necesarios, como las camas de hospital y de UCI; y la demanda de suministros, como la de equipos de protección personal (EPP). Dado que los modelos predictivos para la COVID-19 deben basarse en situaciones y datos subyacentes que cambian rápidamente, los resultados que producen pueden cambiar repetidamente a medida que se actualizan y revisan los datos. No obstante, los modelos predictivos tienen interés y pueden aportar perspectivas que son cruciales para los responsables de las políticas. Es importante que conozcamos los puntos fuertes y las limitaciones de los modelos predictivos para usarlos de forma juiciosa como elementos de apoyo y herramientas de referencia para la planificación y la actuación en torno a la COVID19. Proceso en el que se utilizan los datos ● Determinación de los objetivos. Trata de la delimitación de los objetivos que el cliente desea bajo la orientación del especialista en minería de datos. ● Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. Esta etapa consume generalmente alrededor del setenta por ciento del tiempo total de un proyecto de minería de datos. ● Determinación del modelo. Se comienza realizando unos análisis estadísticos de los datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una primera aproximación. Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial. ● Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los análisis estadísticos y de visualización gráfica. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones. Técnicas de la minería de datos Las técnicas de minería de datos provienen de la inteligencia artificial y de la propia estadística. Se trata de algoritmos que se aplican sobre un conjunto de datos con el objetivo de obtener resultados. Las redes neuronales ● La perceptrón (tipo de red neuronal artificial) ● La perceptrón multicapas ● Los mapas autoorganizados ● La regresión lineal Los árboles de decisión Los modelos estadísticos El agrupamiento