Data Mining con R

Diplomado de curso de Formación Universitaria

Ámbito: TransversalCódigo: DCFU3062202

Inicio e fin

01/05/2022 – 30/05/2022

Modalidade

Virtual

Créditos ECTS

8.00 ECTS

Campus

Vigo

100 prazas

 

Descrición

Curso de minería de datos, totalmente non presencial, que comeza o 1 de maio de 2022 e cunha duración dun mes. Dirixido a investigadores, estatísticos, estudantes de doutoramento, profesionais de xestión de datos, e persoas interesadas nas técnicas estatísticas. Non se require un nivel avanzado de coñecementos previos.

Neste curso utilízase o programa estatístico “ R”, que é completamente gratuíto e pódese instalar en calquera computador e sistema operativo. Converteuse en poucos anos no programa estatístico de uso xeral máis potente e versátil, con gran diferenza sobre calquera outro programa existente (incluídos os de custo elevado, como SPSS, STATISTICA, SAS, etc). R é tamén o programa estatístico con maior potencia de gráficos. A comunidade estatística mundial colabora de forma desinteresada con R Project, e miles de investigadores achegan constantemente rutinas e utilidades. Actualmente é fácil atopar e descargar paquetes de R e aplicacións avanzadas para calquera área de coñecemento.

O curso inclúe unha breve introdución ao programa R e as técnicas estatísticas de Minería de Datos máis utilizadas, cun enfoque práctico e aplicado. Para cada técnica explícase o seu principio estatístico de funcionamento, o algoritmo, as condicións da súa aplicación e a interpretación correcta dos resultados, de forma que o alumno poida adquirir a competencia de utilizalos cos seus propios datos. Para todos os métodos explícase a súa aplicación paso a paso co programa R con datos de exemplo adecuados, e o alumno debe realizar a continuación de forma autónoma unha tarefa de aplicación similar.

 

Director/a académico

Antonio Vaamonde Vaamonde
986813713 | vaamonde@uvigo.es

Entidade organizadora

Escola Universitatia de Estudos Empresariais
Rúa Torrecedeira 105

Período de preinscrición:

01/04/2022 – 25/04/2022

Período de matrícula:

01/04/2022 – 25/04/2022

Inscrición

 

Modalidade

Docencia presencial/virtual

0 horas

Docencia non presencial

0 horas

Prácticas en empresa

0 horas

(1) Docencia presencial/virtual
(2) Docencia non presencial

Lugar de impartición

Plataforma de Teledocencia – MOOVI – da Universidade de Vigo.
Totalmente a distancia, o curso pódese seguir desde calquera lugar.

 

Prezos

Comunidade UVigo Alumni UVigo Público en xeral
119,00 € 126,00 € 140,00 €

 

Obxectivos

O alumno debe adquirir competencias para aplicar as principais técnicas de minería de datos aos seus propios datos, así como para verificar as condicións nas que cada técnica é adecuada e interpretar correctamente os resultados.

 

Destinatarios

Investigadores, estatísticos, técnicos de xestión de datos, usuarios do programa estatístico R, usuarios da Estatística en xeral.

 

Condicións de acceso

1.Titulados/ as universitarios de primeiro e segundo ciclo
2. Alumnos/ as universitarios
3. Profesionais directamente relacionados coa especialidade que reúnan os requisitos legais para cursar estudos universitarios
4. De forma excepcional e sempre que non superen o 50% do total de alumnos do curso, poderán ser admitidos os mesmos profesionais que non reúnan requisitos.

 

Criterios de selección

Orde cronolóxica de solicitude.
Existen bolsas cunha redución de 21 euros na matrícula para os desempregados, os cales deberán enviar o xustificante da condición de parado ao realizar a matrícula.

 

Calendario

O curso terá lugar dende o 1 ata o 31 de maio de 2022, de forma totalmente non presencial, mediante secuenciación das unidades didácticas a través de Moovi, a plataforma de teledocencia da Universidade de Vigo, con horario continuo e flexible.

O alumno pode elixir cada día o momento do seu acceso aos materiais docentes, prácticas e probas, debendo cumprir os prazos de envío de traballos, informes de prácticas e cuestionarios de avaliación.

 

Programa

MÓDULOS TEÓRICOS:

Introdución á minería de datos. Análise clúster
  • Introdución ao programa estatístico R.
  • Introdución á Minería de Datos.
  • Descrición do método K- Means. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.
  • Descrición do método EM ( Expectation- Maximization). Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.
Métodos de Conxunto: Adaboost, Random Forest.
  • Descrición do método Adaboost. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.
  • Descrición do método Random Forest. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.

Clasificador Baseado en Regras: Chaid, Naive Bayes (Clasificador Bayesiano).
  • Descrición do método Chaid. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.
  • Descrición do método Naive Bayes. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.
Arboles de Decisión: CART; Clasificación C5.0
  • Descrición do método CART. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.
  • Descrición do método C5.0. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.

Problemas Multiclase: Knn; Redes Neuronais: Support Vector Machines.
  • Descrición do método KNN. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.
  • Descrición do método Support Vector Machines. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.
Analisis de Asociación. A priori. Motores de Procura: Pagerank.
  • Descrición do método A priori. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación con datos reais. Interpretación de resultados.
  • Descrición do método Pagerank. Instrucións para a súa aplicación con R.
  • Exemplos de aplicación práctica. Interpretación de resultados.
 
 
MÓDULOS PRÁCTICOS:
Prácticas con R
Aplicación de todas as técnicas de Data Mining descritas no curso co programa R, con exemplos e datos reais, con especial énfase na verificación dos supostos específicos de cada un dos métodos e na interpretación correcta dos resultados.

 

Observacións: 

Non se requiren coñecementos previos avanzados de Estatística, do programa R, ou de Minería de Datos (aínda que eses coñecementos permiten mellorar o rendemento do alumno) O alumno debe comprobar que dispón dun computador, para o seguimento do curso, con conexión da internet, no que poida instalarse correctamente o programa estatístico R (de uso libre e gratuíto). Na primeira unidade explícase o proceso de instalación desde un sistema Windows (na páxina web de R existen instrucións para outros sistemas operativos). O curso impártese en castelán.

 

Modo de pagamento

O pago dos prezos públicos efectuarase a través da plataforma Bubela, mediante tarxeta bancaria:
– Matrícula curso completo (tarifa xeral): 140 Euros
– Matrícula curso completo (comunidade alumni): 126 Euros
Para poder obter o desconto “ ALUMNI”, é necesario que se rexistren na seguinte ligazón: https://alumni.webs.uvigo.es/register/ .
– Matrícula curso completo (desempregados): 119 Euros. Debe enviar a acreditación da situación de desemprego a prezospublicos@uvigo.gal
– Matrícula curso completo (comunidade universitaria): 119 Euros

 

Profesorado

  • Antonio Vaamonde Liste,  Catedrático de Estatística da Universidade de Vigo
  • Ricardo Luaces Pazos, Profesor Titular de Estatística da Universidade de Vigo

 

Sistema de avaliación

Envío de 6 tarefas e informes de prácticas: 84% da cualificación final
Exame mediante cuestionario de avaliación en liña (a través de Moovi): 16% da cualificación final.

 

Titulación

A superación dos estudos dará dereito a obter o diploma de «Curso de formación universitaria pola Universidade de Vigo» (título propio).