Taller Europeo de la Red Eureka Investigación en Minería de Datos José C. Riquelme Universidad de Sevilla Granada, 7 y 8 de Julio.

Slides:



Advertisements
Presentaciones similares
Data Mining Minería de Datos Universidad Tecnológica Metropolitana
Advertisements

Jacqueline Chávez Cuzcano
DATA MINING MINERIA DE DATOS Gersom Costas.
Maestría en Explotación de Datos y Descubrimiento del Conocimiento
CIENCIAS DE LA COMPUTACIÓN
Reunión de Trabajo de Diploma
Data Mining Integrantes: Rojas Correa, Trinidad Romanskyy, Bohdan
K-NN: K vecinos más cercanos
REFLEXIONES SOBRE LA EVALUACIÓN
TMiner Data Mining en Java
COMPONENTIZACIÓN DE ALGORITMOS GENETICOS Y SU IMPLEMENTACIÓN EN UNA PLATAFORMA ABIERTA PARA APRENDIZAJE COMPUTACIONAL.
Indice I. ¿Qué es el CDTI? II. ¿De qué tipo de proyectos y colaboración estamos hablando? III. ¿Por qué I+D en Clave Internacional? IV. El valor agregado.
VIVIANA ACHURY S. ANGIE NATALIA GARCIA S.. En los últimos años, ha existido un gran crecimiento en nuestras capacidades de generar y colectar datos (Bajo.
Especialista en Business Intelligence Analysis Services SSAS (Sesión 14) Microsoft SQL Server 2008 R2 Suscribase a o escríbanos a
TALLER EN GESTIÓN Y EMPRENDIMIENTO CULTURAL
Intelligent Databases and Information Systems research group Department of Computer Science and Artificial Intelligence E.T.S Ingeniería Informática –
Nexo Gestión Tiene un producto que les beneficiará: La asesoría de gestión para ayuntamientos y pequeñas y medianas empresas.
Investigaciones del proyecto TRACER Universidad Carlos III de Madrid Investigadores: Pedro Isasi Viñuela Julio César Hernández Cristóbal Luque del Arco-Calderón.
Programa de Formación del CEDEX – 2007 Curso de TÉCNICAS ESTADÍSTICAS DE ANÁLISIS MULTIVARIANTE TÉCNICAS ESTADÍSTICAS DE ANÁLISIS MULTIVARIANTE Objetivo:
INTELIGENCIA DE NEGOCIOS
Proyecto CYTED Informe de Tareas Grupo de Investigación Estadística Desarrollo sostenible de Ciencia y Tecnología.
Redes neuronales en la inyección de un ciclomotor Guillermo Jiménez Margallo.
Métodos y Herramientas Computacionales para el Análisis y la Visualización Informétrica Responsable: Dr. Humberto Carrillo Calvet.
Diplomado "Gestión de Negocios con Data Warehouse y Data Mining".
Aprendizaje Automático en Bioinformática
Weka.
Diplomado "Gestión de Negocios con Data Warehouse y Data Mining".
S.S.D. Toma de Decisiones “ Identificación y elección de un curso de acción entre alternativas, para tratar un problema concreto o aprovechar una oportunidad.
Integrantes: Daniel Peña Alfredo Zuñiga
RESUMEN En este artículo se describe en forma breve una de las líneas de investigación que se están llevando a cabo en el Laboratorio de Tecnologías Emergentes.
Reconocimiento de Patrones
Aplicaciones de las Redes Neuronales Artificilaes Dr. Héctor Allende
Programa de Doctorado en Ingeniería del Agua y Medioambiental
PRESENTACIÓN DEL GRUPO DE INVESTIGACIÓN UNIVERSIDAD DE CANTABRIA
INNOVACIONES EDUCATIVAS CON LAS TIC”
Proyecto CYTED Informe de Tareas Grupo de Investigación Estadística.
Proceso KDD MSc. Carlos Alberto Cobos Lozada
Julio Cabero Almenara Universidad de Sevilla (España – UE ) Resultados investigaciones blended- learning.
Departamento de Ingeniería en Computación
Aprendizaje no Supervisado: Clustering
MODELOS DEL PROCESO DE DECISIÓN DE OBJETIVOS
Licenciatura en Ciencias de la Computación (Plan 2004)
Departamento de Matemática Aplicada I Curso 2002/2003. Universidad de Sevilla Manuel Blanco Guisado David Martínez González Raúl Palomino Sánchez Procesamiento.
Desde 2005 trabajando En la formación Profesional con soporte E- LEARNING Desarrollo de Proyectos de Innovación en Educación Virtual.
CENTRO UNIVERSITARIO DE CIENCIAS ECONOMICO ADMINISTRATIVAS COORDINACIÓN DE POSGRADO MAESTRÍA EN TECNOLOGÍAS DE INFORMACIÓN.
Sistemas Expertos Integrantes Javier Farfán Katherine Jara Héctor Gatica.
INTELIGENCIA DE NEGOCIOS Agosto 2010 UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO.
Un conjunto de perfiles UML para el modelado conceptual de minería de datos sobre almacenes de datos Tesis Doctoral José Jacobo Zubcoff Vallejo 26 de Junio.
DATA MINING KAROL PARDO MIGUEL VALCERO CORPORACION UNIVERSITARIA MINUTO DE DIOS.
José Jacobo Zubcoff Vallejo
- Dibujo - Fundamentos de programación - Matemáticas para computadora - Matemáticas I - Física I - Seminario de Ética - Introducción a la ingeniería en.
ALGORITMOS GENETICOS.
INTELIGENCIA ARTIFICIAL. Redes Neuronales Artificiales Mecanismos de aprendizaje ◦ Entrada x ◦ Salida y ◦ Peso w ◦ Transferencia ~
KDD y Técnicas de Minería de Datos en Weka
Un conjunto de perfiles UML para el modelado conceptual de minería de datos sobre almacenes de datos Tesis Doctoral José Jacobo Zubcoff Vallejo 26 de Junio.
Ángel Berihuete Francisco Álvarez
Taller de Inteligencia de Negocios SQL Server Analysis Services Data Mining Semana 11.
Master en Derecho de las Tecnologías de la Información y la Comunicación como título oficial en el Espacio Europeo de Enseñanza Superior Fernando Galindo.
Alarma! Información con diferentes tasas de arribo. Integración de información variada. Estandarización de información. Bases de datos. Hardware.

INTRODUCCIÓN A LA ECONOMETRÍA
OPTIMIZACIÓN TOTAL DE LA EMPRESA INGENIERÍA EFICIENTE TOTAL.
Extracción de conocimiento a partir de Recursos Digitales para el Aprendizaje Mtro. Alfredo Zapata González Escuela Superior de Informática.
Gestión de la información y el conocimiento II Bibliometría Ángela Valderrama Muñoz Ingeniera de Sistemas (UdeA) Especialista en Alta Gerencia(UdeA) Magister.
MARÍA ESTELA MANGIA DUSTIN VALERA Aplicaciones y experiencias en evaluación de aprendizajes noviembre 11, 2014.
Rafael Zamora Garrido Julio Ejemplos de objetivos de Minería de Datos Reducir las bajas de clientes actuales en un 5%. Aumentar las contrataciones.
Transcripción de la presentación:

Taller Europeo de la Red Eureka Investigación en Minería de Datos José C. Riquelme Universidad de Sevilla Granada, 7 y 8 de Julio

¿Quiénes somos? ¿Qué es la Minería de Datos? ¿Qué hemos hecho? ¿Qué estamos haciendo? Investigación en Minería de Datos Red Eureka Granada, 7 de julio de 2008

Dos universidades Universidad de Sevilla Universidad Pablo de Olavide Somos 17 profesores 9 doctores Líneas de trabajo Minería de Datos Algoritmos Evolutivos Bioinformática Investigación en Minería de Datos ¿Quiénes somos? Red Eureka Granada, 7 de julio de 2008

Datos  Conocimiento No trivial, útil, novedoso, válido, … Objetivo  Modelo Clasificación, regresión, clustering, … Reglas, ANN, árboles, SVM, … Ajuste del Modelo  Optimización Métrica de evaluación Heurísticas de búsqueda Investigación en Minería de Datos ¿Qué es la Minería de Datos? Red Eureka Granada, 7 de julio de 2008

Optimización Algoritmos evolutivos para reglas Preprocesamiento Reducción de datos: horizontal o vertical Tipos de datos Estables Data Streams Series temporales Investigación en Minería de Datos ¿Qué hemos hecho? (I) Red Eureka Granada, 7 de julio de 2008

Evolutionary learning Generación de reglas jerárquicas de decisión con algoritmos evolutivos en aprendizaje supervisado Doctorando: Jesús S. Aguilar Ruiz Una técnica evolutiva para la extracción de reglas de asociación en bases de datos numéricas Doctorando: Jacinto Mata Váquez Mejoras en eficiencia y eficacia de algoritmos evolutivos para aprendizaje supervisado Doctorando: Raúl Giráldez Rojo Investigación en Minería de Datos ¿Qué hemos hecho? (II) Red Eureka Granada, 7 de julio de 2008

Investigación en Minería de Datos ¿Qué hemos hecho? (III) Red Eureka Granada, 7 de julio de 2008 Series Temporales Técnicas Avanzadas de Predicción y Optimización aplicadas a Sistemas de Potencia Doctorando: Alicia Troncoso Lora Data Streams Aprendizaje incremental y modelado visual de reglas de decisión Doctorando: Francisco J. Ferrer Troyano Preprocesamiento Heurísticas de selección de atributos para datos de gran dimensión Doctorando: Roberto Ruiz Sánchez

Investigación en Minería de Datos ¿Qué estamos haciendo? Red Eureka Granada, 7 de julio de 2008 Bioinformática Búsqueda de redes reguladoras de genes Biclustering Series Temporales Clustering previo Teledetección Imágenes LIDAR Aplicaciones Mamografías Proyectos software

Investigación en Minería de Datos ¿Qué podríamos hacer? Red Eureka Granada, 7 de julio de 2008 IC (1 o 2 o 3 o 5): Creadores de metodologías para la creación y explotación de ontologías, ingenieros del conocimiento. Sistemas híbridos matemáticamente fundamentados CO (7): Creadores de Ontologías. Expertos en áreas del conocimiento, preferentemente de gestión. empresarial o pública CA (4 o 5): Creadores de algoritmos CS (6): Creadores de sistemas computacionales ¡Aplicaciones!

¡Gracias! Investigación en Minería de Datos