Académique Documents
Professionnel Documents
Culture Documents
Horas de
Curso Módulo/Unidades Relator
Duración
Fundamentos básicos de Inteligencia de
Fundamentos de Inteligencia Negocios 18 Patricio Cofré
de Negocios
Infraestructura de Inteligencia de Negocios 18 Marco Ramírez
2
Ponderaciones del curso Análisis de
Negocios Avanzados
• Cada unidad del curso tendrá evaluaciones para medir los
contenidos de cada una de ellas
• De cada unidad se obtendrá una nota final que será ponderada
para calcular la nota del curso según la tabla presentada a
continuación:
3
Objetivo General
4
Metodología
5
Evaluación
Requisitos de aprobación
• Asistencia: 80%
• 𝑁𝐹 ≥ 4.0 en las evaluaciones del curso.
6
Equipo Académico: Relator
Christian Pieringer
Ingeniero Electrónico PUCV,
Magíster en Ingeniería y Doctor en Ciencias de la Computación PUC
Instructor Adjunto
Jefe de proyecto, Unidad de Negocios y Transferencia,
Instituto de Ingeniería Matemática y Computacional UC
Escuela de Ingeniería UC.
Áreas de interés
Data Science e Inteligencia de máquina, Visión por computador
E-mail: cppierin@ing.puc.cl
7
INTRODUCCIÓN
Capacidad abrumadora para generar
grandes volúmenes de datos
Registros
Archivos
Bases de datos
9
“Data are becoming the new raw material of
bussiness: Economic input is almost equivalent to
capital and labor”.
The Economist, 2010.
“Information will be The 21th Century Oil ”.
Gartner Company, 2010.
Minería de Datos
12
Minería de Datos consiste en
encontrar valor en los datos
13
“You could only own a bunch of data other than big
data if you do not utilize the collected data.”
Jay Parikh,
Deputy Chief Engineer of Facebook
Minería de datos ayuda a descubrir
patrones ocultos en los datos
15
Big Data se resume en 4Vs
Volumen Variedad
Big
Valor
Data
Velocidad Veracidad
El nuevo conocimiento agrega valor
Data Mining permite identificar
comportamientos y hábitos
18
Recomendar productos para aumentar
tasa de conversión
19
Recomendación usando datos
colaborativamente
20
Conocer los hábitos de consumo permite
ofrecer descuentos personalizados
21
Data Mining sirve como herramienta
para predecir fuga de clientes
22
Data Mining permite descubrir
fraudes y delitos
Análisis y Visualización de
Patrones en Texto Libre
24
El análisis de redes permite generar
intuiciones sobre grupos
25
Desde Offline a Online: Reporte y Análisis
26
El conocimiento encontrado se
permite ir del análisis al reporte
27
Las empresas más exitosas utilizan data
mining en su modelo de negocio
Aplicaciones en medicina y biotecnología
29
Aplicaciones en Astronomía
Clasificación
de Estrellas
Variables
30
Proceso KDD
(Knowledge Discovery in Databases)
Evaluación y
Presentación
Selección y Data Mining
Transformación
Filtraje e
Integración Conocimiento
Data Lake
Modelos y
Bases de datos
Patrones
Datos
transformados
Data
Warehouse
Archivos planos
Preprocesamiento
31
Tópicos del Módulo
Técnicas Técnicas
Predictivas Descriptivas
Árboles de Decisión
Reglas de Asociación
Clasificación Bayesiana
(Naive Bayes)
Razonamiento Basado
en Instancias
Clustering
Evaluación de Modelos
32