Saltar al contenido

La minería de datos y el flujo de trabajo analítico

Descripción

La minería de datos es un término general utilizado para las técnicas que encuentran patrones en grandes conjuntos de datos. En pocas palabras, la minería de datos es la aplicación de técnicas de aprendizaje automático en grandes datos. La popularidad del término Minería de Datos llegó a su punto máximo hace algunos años, pero en esencia, la minería de datos es quizás más relevante hoy que nunca.

La minería de datos y el flujo de trabajo analítico
La minería de datos y el flujo de trabajo analítico

En este curso, la minería de datos y el flujo de trabajo analítico obtendrá la capacidad de formular su caso de uso como un problema de minería de datos, y luego aplicar un proceso clásico, la metodología CRISP-DM, para resolverlo.

En primer lugar, aprenderá cómo funciona el aprendizaje de las reglas de asociación y por qué se considera una aplicación clásica de minería de datos, anterior a la explosión de la popularidad del ML. Verás las similitudes y contrastes entre el aprendizaje de las reglas de asociación y los sistemas de recomendación.

A continuación, descubrirá cómo los grandes datos y el aprendizaje automático se encuentran en el ámbito de la minería de datos, incluso cuando siguen existiendo los vínculos más tradicionales de la minería de datos con las estadísticas y la recuperación de información.

Finalmente, completará sus conocimientos aprendiendo sobre un proceso estándar de la industria para la construcción de aplicaciones de minería de datos, conocido como CRISP-DM. Esta técnica tiene alrededor de dos décadas de antigüedad pero ha conservado su relevancia, y refleja de cerca el clásico flujo de trabajo de aprendizaje automático que se utiliza ampliamente hoy en día.

Cuando termine este curso, tendrá las habilidades y conocimientos para diseñar e implementar la solución de minería de datos adecuada, una que aplique el aprendizaje automático sobre grandes datos, para su caso de uso.