OBJETIVOS GENERALES

• Aplicar técnicas de extracción de conocimiento no trivial en bases de datos de alta dimensionalidad y su representación utilizando distintos enfoques, para darle solución a problemáticas de diversos entornos, valorando la selección del tipo de técnica a utilizar en función de las necesidades del cliente y la estructura de los datos.

SISTEMA DE CONOCIMIENTOS

• Aprendizaje, Minería de Datos y KDD. Clasificación del aprendizaje. Fases del Proceso KDD. Tareas de la Minería de Datos. Enfoques de aprendizaje y modelos de conocimiento. Heurísticas de búsqueda. Diferencias entre modelos comprensibles y no comprensibles. Conceptos de complejidad y precisión. Medidas de complejidad y precisión. Clasificación mediante reglas de decisión. Técnicas de medición de los resultados. Obtención de clasificadores utilizando WEKA.

SISTEMA DE EVALUACIÓN

Se facilitarán dos actividades prácticas en las que a través del uso de la herramienta Weka (herramienta de software para la extracción de conocimiento) se diseñan experimentos utilizando bases de datos de prueba y se realice la comparación entre varios algoritmos, identificando patrones en los datos y en los modelos que permitan la elección de uno u otro método. La evaluación final concluye con una valoración crítica del empleo de técnicas para la solución de la problemática asociada a la investigación del maestrante y una descripción de su empleo.