Topicos Avanzados de Bases de Datos
Topicos Avanzados de Bases de Datos
1. DATOS DE LA ASIGNATURA.
Nombre de la asignatura: TPICOS AVANZADOS DE BASES DE DATOS Carrera: Ingeniera en Sistemas Computacionales Clave de la asignatura: Modulo (1860) Horas teora horas prctica crditos 3-2-8
Lugar
fecha
de
Participantes
elaboracin o revisin
de
la del
Anlisis,
consultora en desarrollo
3. UBICACIN DE LA ASIGNATURA.
a)
Anteriores Asignaturas Programacin orientada a objetos Fundamentos de Bases de Datos Temas Todos
Todos
y de de
b)
tiles para toma de decisiones en grandes volmenes de informacin. Aplica nuevas tecnologas y herramientas para la solucin de problemas
en empresas pequeas y medianas en el entorno laboral. Utiliza herramientas de tratamiento de informacin e incorpora dichas
La asignatura se centra en el tpico de minera de datos y el objetivo es introducir al alumno en los conceptos fundamentales dentro de sta rea
Conocer, analizar y aplicar algoritmos de Minera de Datos en el uso de la informacin as como incorporar su aplicabilidad en un entorno Web y en casos reales. Conocer las tendencias de la minera de datos.
El alumno tendr los conocimientos necesarios para desarrollar una herramienta que integre aspectos de minera de datos con algoritmos de clasificacin y clustering principalmente integrando para ello informacin contenida en un SMBD y utilizando un lenguaje de programacin para entorno WEB.
5. TEMARIO.
Unidad 1
Subtemas 1.1. Minera de Datos (DataMining), 1.2. Nociones generales, concepto y aplicaciones 1.3. Tipos de datos. 1.4. Tipos de modelos. 1.5. Aplicaciones, Sistemas y
herramientas de minera de datos. 1.6. La minera de datos y el proceso de descubrimiento de conocimiento en bases de datos 1.6.1.Fase recopilacin 1.6.2.Fase de seleccin, limpieza y transformacin. 1.6.3.Fase de minera de datos 1.6.4.Fase interpretacin 1.6.5.Fase 2 Clasificacin. de difusin, de uso y de de evaluacin e de integracin y
de probabilidades 2.4. Aprendizaje decisin hbridos. 2.5. Adaptacin volmenes de datos. 2.6. Sistemas, aplicabilidad y para grandes de rboles de
recomendaciones de uso 2.7. Clasificacin Bayesiana. 2.8. Estimacin clasificacin. 3 Bsqueda de agrupaciones (clustering). 3.1. Tipos de datos en bsqueda de agrupaciones. 3.2. Algoritmos bsicos 3.3. Bsqueda de asociaciones a mltiples niveles 3.4. Asociaciones VS correlaciones 3.5. Algoritmos agrupaciones. 3.6. Tcnicas para agrupaciones. 3.7. Tcnicas para clasificacin 3.8. Mtodos de asociacin con de bsqueda de de precisin en
4.1. Minera de uso en la Web. 4.2. Estructura de la web. 4.3. Minera de Datos espaciales.
(Spatial Data Mininng). 4.4. Minera de datos Text Mining. 4.5. Los Problemas de la Informacin No Estructurada. 4.6. Extraccin de Conocimiento a partir de Documentos HTML y texto 4.7. Extraccin de Informacin semiestructurada (XML).
5.1. Claves del xito de un programa de minera de datos. 5.2. Cundo empezar? Necesidades y objetivos de negocio 5.3. Subcontratar? minera de datos 5.4. Formulacin del programa: fases e implantacin 5.5. El modelo y gua de referencia CRISP-DM 5.6. Implantacin progresiva. Ciclo de vida en espiral 5.7. Integracin con las herramientas y proyectos de la organizacin Grados de
autosuficiencia de un programa de
5.8. Recursos necesarios 5.9. Impacto social de la minera de datos 5.10. Escalabilidad. 5.11. Tendencias futuras 6 SMBD y Tecnologa Web 6.1. Uso de tecnologas de BD para aplicaciones con interfases en la WEB. 6.1.1.(MySql, Sybase, SQL Server) 6.2. Herramientas propietarias para aplicaciones Web 6.2.1.ASP, PHP, Java, JSP, .NET 6.3. Aplicaciones del Nuevo estndar XML como lenguaje de interoperabilidad en aplicaciones de datos en el WEB. libres desarrollo y de
6. APRENDIZAJES REQUERIDOS
Tcnicas y modelos de programacin. Elementos de bases de datos y aplicaciones de bases de datos. Conocimiento del lenguaje SQL. Conocimiento de Sistemas Manejadores de Bases de Datos. Algoritmos y solucin de problemas. Proyecto de desarrollo de software. Tecnologa INTERNET. 7. SUGERENCIAS DIDCTICAS.
Presentar al inicio del curso el objetivo de la asignatura indicando la relacin con el plan de estudios y la importancia que tiene la materia como parte del mdulo de especialidad. Propiciar el trabajo en equipo para el desarrollo de prcticas. Promover dinmicas grupales para anlisis y sntesis de temas especficos. Seleccionar y utilizar SMBD de acuerdo a criterios de la academia que incorporen funciones de Minera de datos para mostrar al alumno su aplicacin en casos prcticos. Propiciar la investigacin de tecnologas emergentes de SMBD y tendencias sobre Data Mining Promover investigacin de diversas fuentes de informacin. Promover la participacin en foros de consulta. 8. SUGERENCIAS DE EVALUACIN. Aplicar un examen inicial con la finalidad de hacer un diagnstico de conocimientos previos del alumnos, fundamentalmente, en aspectos de Base de datos, programacin y desarrollo de algoritmos. Establecer en comn acuerdo con estudiantes los mecanismos y criterios de evaluacin conforme a las actividades del curso. Participar en clase. Prctica de laboratorio. Realizar trabajos de investigacin. Elaborar reporte de prcticas Exposiciones en el aula Aplicar exmenes escritos Participacin en foros.
9. UNIDADES DE APRENDIZAJE.
Unidad 1. Aspectos generales de la minera de datos Objetivo Educacional El estudiante conocer Actividades aprendizaje Trabajos de investigacin de temas Presentacin de temas en Integracin de equipos de trabajo y presentacin de temas los aspectos generales de la minera de datos. de Fuentes informacin 1,2, 3,4,5 de
Unidad 2. Clasificacin. Objetivo Educacional El estudiante conocer Actividades aprendizaje Trabajos de investigacin de temas Presentacin de temas en Integracin de equipos de trabajo y presentacin de temas. Aplicacin de algoritmos Uso de herramientas que utilicen algoritmos de de clasificacin informacin los aspectos relacionados con los algoritmos para clasificacin de datos. de Fuentes informacin 1,2, 3,4,5 de
Actividades aprendizaje
de
de
Trabajos de investigacin de temas Presentacin de temas en Integracin de equipos de trabajo y presentacin de temas. Aplicacin de algoritmos de clustering Uso de herramientas que utilicen algoritmos de de agrupacin informacin
10
Unidad 4. Minera de datos en la Web. Objetivo Educacional El estudiante conocer Actividades aprendizaje Trabajos de investigacin de temas Presentacin de temas en Bsqueda herramientas de WEB que los aspectos relacionados con minera de datos en la WEB Conocer tecnologa Web que incorpora minera de datos. de Fuentes informacin 1,2, 3,6 de
Unidad 5. Implantacin e impacto de la Minera de Datos. Objetivo Educacional El estudiante conocer y los aspectos relacionados con la implementacin de la minera de dato. El una alumno desarrollar que y aspectos Actividades aprendizaje Trabajos de investigacin de temas Presentacin de temas en Bsqueda minera de datos. Desarrollo de una de de Fuentes informacin 1,2, 3 de
herramienta
incorpore datos
algoritmos de minera de
11
Actividades aprendizaje
de
de
Trabajos de investigacin de temas Presentacin de temas en Bsqueda minera de datos. Desarrollo de una de
12
10 FUENTES DE INFORMACIN
Introduccin a la minera de datos. Jos Hernndez Orallo, M. Jos Ramrez Quintana, Csar Ferri Ramrez Editorial Pearson 2004. ISBN: 84 205 4091 9
Data Mining: Concepts and Techniques (the Morgan Kaufmann Series in Data Management Systems) by Jiawei Han; Micheline Kamber Data Mining, Second Edition, Second Edition: Concepts and Techniques (the Morgan Kaufmann Series in Data Management Systems) (the Morgan Kaufmann Series in Data Management Systems) by Jiawei Han, Micheline Kamber Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations (The Morgan Kaufmann Series in Data Management Systems) (Paperback) by Ian H. Witten (Author), Eibe Frank (Author) Data Mining with SQL Server 2005 (Paperback) by ZhaoHui Tang (Author), Jamie MacLennan (Author) Mining the Web: Transforming Customer Data (Paperback) by Gordon S. Linoff (Author), Michael J. A. Berry (Author) http://www.answermath.com/data-mining/mineria-de-datos-1contenido.htm http://www.daedalus.es/AreasMDFases-E.php http://www.fi.uba.ar/laboratorios/lsi/serventetesisingenieriainformatica.pdf
5 6 7
http://www.info-ab.uclm.es/SIMD/web/spanish/software.htm
13
11. PRACTICAS. Unidad Prctica 1 1 Utilizacin de herramientas que integren minera de datos 2 Bsqueda en INTERNET y presentacin de herramientas individual y por equipos de trabajo. Se recomienda Weka 2 1 Desarrollo de programas que integren algoritmos de clasificacin de datos en una herramienta de minera de datos. 2 Bsqueda de herramientas que contengan clasificacin de datos como parte de la minera de datos. Se recomienda Weka 3 Bsqueda de CASOS Reales de aplicacin de la minera de datos en los aspectos de clasificacin 3 1 Desarrollo de algoritmos de agrupacin de datos para incorporarlos en una herramienta de minera de datos 2 Bsqueda de herramientas que contengan clustering de datos como parte de la minera de datos. Se recomienda Weka 3 Bsqueda de CASOS Reales de aplicacin de la minera de datos 4 1 Experimentacin en herramientas Web que integren minera de datos. Se recomienda Weka 2 Bsqueda de herramientas WEB que integren minera de datos. 3 Bsqueda de CASOS Reales de aplicacin de la minera de datos en la WEB. 5 1 Desarrollo de una Herramienta que contenga aspectos de minera de datos. Se recomienda utilizar Weka 2 Aplicacin real de la minera utilizando una herramienta desarrollada por el alumno. 6 1 Integracin de la herramienta minera de datos con un SMBD. 2 Integrando grandes volmenes de informacin.
14