Dades generals

Curs acadèmic:
2017
Descripció:
Introducció. Preprocessament de dades. Data warehouse i tecnologies OLAP. Mineria de patrons freqüents, associació i correl·lació. Classificació i predicció. Anàlisis d'agrupaments (clustering). Mineria de grafs i anàlisi de xarxes socials. Mineria de textes i mineria al web. Aplicacions
Crèdits:
6

Grups

Grup A

Durada:
Semestral, 2n semestre
Professorat:
SANTIAGO THIO FERNANDEZ DE HENESTROSA  / MATEU VILLARET AUSELLE
Idioma de les classes:
Català (100%)

Competències

  • CB01 Posseir i comprendre coneixements que aportin una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context de recerca.
  • CB02 Aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relatius al seu camp d'estudi.
  • CB04 Tenir la capacitat de comunicar conclusions, i els coneixements i raons últimes que les sustenten, a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.
  • CB05 Posseir habilitats d'aprenentatge que permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma.
  • CTI05 Capacitat per analitzar les necessitats d'informació que es plantegen en un entorn i dur a terme en totes les seves etapes el procés de construcció d'un sistema d'informació.
  • CTI09 Capacitat per aplicar mètodes matemàtics, estadístics i d'intel·ligència artificial per a modelar, dissenyar i desenvolupar aplicacions, serveis, sistemes intel·ligents i sistemes basats en el coneixement.

Continguts

1. Introducció al Data Mining

2. Preprocessat de les dades

3. Explorar i visualitzar un conjunt de dades

4. Classificació

5. Associació

6. Cluster analysis

7. Detecció d’anomalies

8. Massive data mining

9. Web mining

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 20 20 40
Classes expositives 20 20 40
Elaboració de treballs 1 20 21
Exposició dels estudiants 3 20 23
Resolució d'exercicis 12 14 26
Total 56 94 150

Bibliografia

  • Tan, Pang-Ning (cop. 2014 ). Introduction to data mining (Pearson New International edition). Boston, MA: Pearson Education. Catàleg
  • Witten, I. H.|q(Ian H.) (cop. 2011 ). Data mining : practical machine learning tools and techniques (3rd ed.). Burlington, [etc.]: Morgan Kaufman. Catàleg

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Exposició de temes Qualitat de la matèria exposada
Qualitat de la presentació
50
Elaboració de treballs Capacitat de recollir informació de fonts veraces i organitzar-la 50

Qualificació

L'activitat "Exposició de temes" es podrà realitzar de dos maneres a triar per l'alumne:

1) Una exposició oral davant el conjunt de la classe sobre un tema concret de l'assignatura. Per poder realitzar aquesta activitat cal que l'estudiant hagi assistit a aproximadament 2/3 de les sessions de teoria de l'assignatura.

2) Un examen escrit.

La realització de les pràctiques serà obligatòria, per aquest motiu s'establirà un mecanisme de control per verificar la seva realització.

Cal realitzar les dues activitats proposades i superar-les amb un mínim de 5 (escala de 0 a 10).

Totes les activitats s'han de realitzar i/o lliurar segons el calendari previst a l'inici de l'assignatura.

Criteris específics de la nota «No Presentat»:
La qualificació de No Presentat es donarà si l'alumne no ha fet cap de les activitats d'avaluació proposades.