Professional Documents
Culture Documents
“INTEC”
Asignatura:
Fundamentos de Tecnología de la Información.
Tema:
“Datamining”.
Profesor:
Natanael Gerónimo.
Estudiante:
Edgar Alexander Santana Miranda.
Matrícula:
09-0858.
Sección:
04.
Datamining
Objetivos Generales
Recurrir al uso de esta tecnología para propiciar un desarrollo un desarrollo sostenible.
Explicar sobre los conceptos fundamentales de la minería de datos, para motivar a los
estudiantes a utilizar esta innovadora tecnología.
Incentivar a los usuarios que a través de las técnicas del Datamining (Minería de
Datos), para que hagan un buen uso de ellas.
Objetivos Específicos
Concienciar al usuario para que haga uso de esta tecnología.
Analizar de que manera esta satisface las necesidades requeridas por el usuario.
Conocer de que manera nos ayuda a administrar la energía.
Conocer los beneficios que nos aporta esta tecnología.
Métodos y Técnicas
Las técnicas de la minería de datos no son más que algoritmos, más o menos
sofisticados que se aplican sobre un conjunto de datos para obtener unos resultados.
Procedimiento
De forma general, los datos son la materia prima bruta. En el momento que el
usuario les atribuye algún significado especial pasan a convertirse en información.
Cuando los especialistas elaboran o encuentran un modelo, haciendo que la
interpretación que surge entre la información y ese modelo represente un valor
agregado, entonces nos referimos al conocimiento.
Hipótesis
Variables
Desde los años sesenta, los estadísticos manejaban términos como data fishing,
Datamining o data archaeology con la idea de encontrar correlaciones sin una hipótesis
previa en bases de datos con ruido. Esto quiere decir que la idea de Datamining no es
de ahora. A principios de los años ochenta, Rakesh Agrawal, Gio Wiederhold, Robert
Blum y Gregory Piatetsky-Shapiro, entre otros, empezaron a consolidar los términos de
data mining y KDD. A finales de los años ochenta sólo existían un par de empresas
dedicadas a esta tecnología, y, desde el 2002, existen más de 100 empresas en el
mundo que ofrecen alrededor de 300 soluciones.
Justificación y Alcances
Por lo general, las empresas que emplean minería de datos ven rápidamente
el retorno de la inversión, pero también reconocen que el número de modelos
predictivos desarrollados puede crecer muy rápidamente.
En lugar de crear modelos para predecir qué clientes pueden cambiar, la
empresa podría construir modelos separados para cada región y/o para cada tipo de
cliente. También puede querer determinar qué clientes van a ser rentables durante una
ventana de tiempo (una quincena, un mes,...) y sólo enviar las ofertas a las personas
que es probable que sean rentables. Para mantener esta cantidad de modelos, es
necesario gestionar las versiones de cada modelo y pasar a una minería de datos lo
más automatizada posible.
Bibliografía