SlideShare ist ein Scribd-Unternehmen logo
1 von 16
Downloaden Sie, um offline zu lesen
Modelos de DataMining,[object Object],Bernardo A. Robelo Jirón,[object Object],bernardorobelo.blogspot.com,[object Object]
Agenda,[object Object],Algoritmos,[object Object],AplicacionesPracticas de los Algoritmos,[object Object],Guia de Ejercicios,[object Object]
Algoritmos,[object Object],1. Association Rules,[object Object],2. Clustering,[object Object],3. Sequence Clustering,[object Object],4. Decision Trees,[object Object],5. Linear Regression,[object Object],6. Time Series,[object Object],7. Naive Bayes,[object Object],8. Neural Network,[object Object],9. Logistic Regression,[object Object]
Association rules (Reglas de asociación),[object Object],Este se suele usar casi exclusivamente para análisis de carro de compra. Detecta asociaciones comunes entre elementos (por ejemplo, quien compra cerveza suele comprar también maní salado).,[object Object],Usos típicos:,[object Object],Análisis de carro de compra,[object Object],Ofrecer recomendaciones al comprador: ¿has comprado cerveza, seguro que no quieres maní salado?,[object Object]
Clustering,[object Object],Sirve sobre todo para buscar elementos afines dentro de un conjunto. ,[object Object],Por ejemplo, podemos usarlo para saber que en una población hay hombres y mujeres jóvenes solteros,  hombres mayores solteros, hombres y mujeres mayores casados... pero no mujeres mayores solteras.,[object Object],Usos Típicos:,[object Object],Segmentar un mercado.,[object Object],Validaciones (las entradas que no pertenecen a un cluster, pueden ser elementos anómalos).,[object Object]
Sequence clustering,[object Object],Es bastante específico para detectar secuencias típicas dentro de un conjunto de eventos. ,[object Object],Por ejemplo... saber en qué orden hace click la gente en las noticias de una web, puede ayudarnos a ordenar los titulares de arriba a abajo y de derecha a izquierda.,[object Object],Usos típicos:,[object Object],Estudio de secuencias de eventos,[object Object],Detección de algunas anomalías de comportamiento (eventos que llegan fuera de secuencia),[object Object]
DecisionTrees(Árboles de decisión),[object Object],Los árboles de decisión son clarísimamente una herramienta potentísima de clasificación... de hecho, son probablemente el mejor algoritmo que podemos utilizar para clasificar. ,[object Object],Básicamente, construyen un árbol del que se pueden extraer reglas, del estilo: "Si eres hombre, tienes unos ingresos superiores a 'X', y eres comprador de revistas de carros... la probabilidad de que tengas carro es del 90%".,[object Object],Usos Típicos ,[object Object],Clasificación en general,[object Object],Validaciones. Podemos detectar elementos anómalos en función de si encajan o no con las reglas surgidas del árbol Por ejemplo, "si tienes carro y casa, menos de 20 años probablemente mientas…",[object Object],Predecir el valor de un atributo con precisión,[object Object]
Time Series (Series temporales),[object Object],Este algoritmo es específico para predecir el valor de una magnitud en función del tiempo.,[object Object],Por ejemplo:,[object Object],Análisis bursátiles... ¿subirá o bajará el petróleo mañana?,[object Object],Predicción de una magnitud analógica, en general.,[object Object]
Algoritmo Naive Bayes,[object Object],Este algoritmo es el primero se suele utilizar para explorar datos. Básicamente, este algoritmo busca correlaciones entre atributos.,[object Object],Cuando no tenemos muy claro qué atributo se puede predecir en función de otros, una técnica muy habitual es tratar de utilizar el algoritmo de NaiveBayes tratando de predecir el valor de todos los atributos en función de todos los atributos (un "todos contra todos").,[object Object],Otra ventaja de este algoritmo es fácil de implementar... pero su desventaja es que no es muy preciso. ,[object Object],Usos Típicos:,[object Object],Exploración inicial de los datos,[object Object],Tareas de clasificación, en las que el rendimiento sea crítico. ,[object Object]
Neural Network (Redesneuronales),[object Object],Al igual que los árboles de decisión, este algoritmo también resuelve problemas de clasificación y regresión. ,[object Object],Puede ser adecuado para detectar patrones no lineales, difícilmente descriptibles por medio de reglas. ,[object Object],Se usa como alternativa al algoritmo de arboles de decisión: lo mejor es probar ambos sobre un mismo problema y utilizar el que mayor acierto nos de en sus predicciones.,[object Object],Usos Típicos: ,[object Object],Las mismas tareas que los árboles de decisión, cuando los grupos en los que se divide la población no son lineales. ,[object Object],Regresiones (es similar a la clasificación, pero cuando se trata de predecir una magnitud continúa).,[object Object]
Guia de Ejercicios,[object Object]
EnfocandosuFuerza de Ventas,[object Object],El departamento de marketing de Adventure Works desea aumentar las ventas dirigiendo una campaña de correo directo a clientes específicos. ,[object Object],Mediante el análisis de los atributos de clientes conocidos, la empresa espera determinar los patrones que posteriormente se aplicarán a clientes potenciales. ,[object Object],La empresa pretende utilizar los patrones hallados para predecir qué clientes potenciales tienen más probabilidades de comprar un producto.,[object Object],Además, el departamento de marketing desea encontrar las posibles agrupaciones lógicas de clientes que se encuentran en la base de datos, como, por ejemplo, aquellos que siguen pautas demográficas y de compra similares.,[object Object],La base de datos de la empresa, Adventure Works DW, contiene una lista de clientes antiguos y una lista de clientes nuevos potenciales.,[object Object],Necesitamos,[object Object],	- Un conjunto de modelos de minería de datos que sugerirá los clientes que tienen una mayor probabilidad de serlo entre una lista de clientes potenciales.,[object Object],	- Una agrupación de clientes actuales.  ,[object Object],bernardorobelo.blogspot.com,[object Object],Ver Video de Solución en:,[object Object]
Prevision de Ventas,[object Object],Como analista de ventas de Adventure Works, se le ha solicitado una previsión de las ventas de modelos individuales de bicicletas para el próximo año. ,[object Object],En concreto, debe obtener los picos en las ventas de bicicletas y determinar qué regiones lideran las ventas y cuáles van por detrás. ,[object Object],Además, debe determinar si las ventas de diferentes modelos varían en función de la época del año.,[object Object],Para hallar la información solicitada, en esta lección examinará los datos mensuales de la empresa y dividirá las ventas en tres regiones: Europa, Norteamérica y el Pacífico.,[object Object],- ¿En qué época del año se produce un pico en las ventas?,[object Object],- ¿Cómo interactúan las ventas de los diferentes modelos de bicicleta a lo largo del año?,[object Object],- ¿Existe un patrón de ventas para las tres regiones?,[object Object],bernardorobelo.blogspot.com,[object Object],Ver Video de Solución en:,[object Object]
PromoviendoVentasCruzadas,[object Object],El departamento de marketing de Adventure Works desea mejorar el sitio Web de la empresa para promover las ventas cruzadas.,[object Object],Antes de actualizar el sitio, necesitan crear un modelo de minería de datos que pueda predecir los productos cuya adquisición podría interesar a los clientes, basándose en otros productos que ya se encuentran en los carros de compra en línea de los clientes. ,[object Object],Estas predicciones también ayudarán al departamento de marketing a agrupar en el sitio Web aquellos artículos que los clientes suelen comprar juntos. ,[object Object],Se Solicita :,[object Object],Obtener un modelo de minería de datos con el que podrá predecir artículos adicionales que pueden aparecer en una cesta de la compra o que un cliente podría querer agregar a la cesta de la compra. ,[object Object],Contar con un completo modelo de minería de datos que muestra grupos de artículos de transacciones históricas del cliente.,[object Object],bernardorobelo.blogspot.com,[object Object],Ver Video de Solución en:,[object Object]
MejorandoSitio Web,[object Object],El departamento de marketing de Adventure Works desea saber cómo se mueven los clientes por el sitio Web de Adventure Works. ,[object Object],La empresa cree que existe un patrón según el cual los clientes incluyen productos en las cestas de la compra. ,[object Object],El algoritmo de clústeres de secuencia de Microsoft permite determinar las secuencias que los clientes siguen para agregar artículos a las cestas. ,[object Object],Posteriormente, esta información se puede utilizar para mejorar el flujo del sitio Web y propiciar que los clientes adquieran productos adicionales.,[object Object],Se Solicita: ,[object Object],Obtener un modelo de minería de datos que le permitirá predecir cuál será el siguiente artículo que los clientes incluirán en sus cestas de la compra.,[object Object],bernardorobelo.blogspot.com,[object Object],Ver Video de Solución en:,[object Object]
Modelos de DataMining,[object Object],Bernardo A. Robelo Jirón,[object Object],bernardorobelo.blogspot.com,[object Object]

Weitere ähnliche Inhalte

Was ist angesagt?

METODOLOGÍA UWE (UML-BASED WEB ENGINEERING)
METODOLOGÍA UWE (UML-BASED WEB ENGINEERING) METODOLOGÍA UWE (UML-BASED WEB ENGINEERING)
METODOLOGÍA UWE (UML-BASED WEB ENGINEERING) Germán Sánchez
 
Expresiones algebraicas
Expresiones algebraicasExpresiones algebraicas
Expresiones algebraicasKarlos Rivero
 
EJERCICIOS PROPUESTOS DE PLANTEO DE ECUACIONES
EJERCICIOS PROPUESTOS DE PLANTEO DE ECUACIONESEJERCICIOS PROPUESTOS DE PLANTEO DE ECUACIONES
EJERCICIOS PROPUESTOS DE PLANTEO DE ECUACIONESCesar Suarez Carranza
 
Multiplicación y división de números racionales
Multiplicación y división de números racionalesMultiplicación y división de números racionales
Multiplicación y división de números racionalesUNAP
 
IDR Unidad 1: Introducción y proceso de Ingeniería de requerimientos
IDR Unidad 1: Introducción y proceso de Ingeniería de requerimientosIDR Unidad 1: Introducción y proceso de Ingeniería de requerimientos
IDR Unidad 1: Introducción y proceso de Ingeniería de requerimientosFranklin Parrales Bravo
 
Guía racionalizacion complementaria
Guía racionalizacion complementariaGuía racionalizacion complementaria
Guía racionalizacion complementariaYanira Castro
 
Ranking algorithms
Ranking algorithmsRanking algorithms
Ranking algorithmsAnkit Raj
 
IDR Unidad 4: Validación y gestión de requisitos
IDR Unidad 4: Validación y gestión de requisitosIDR Unidad 4: Validación y gestión de requisitos
IDR Unidad 4: Validación y gestión de requisitosFranklin Parrales Bravo
 
Sesion 23: funciones lineales
Sesion 23: funciones linealesSesion 23: funciones lineales
Sesion 23: funciones linealesJorge La Chira
 
Análisis y diseño de sistemas
Análisis y diseño de sistemasAnálisis y diseño de sistemas
Análisis y diseño de sistemasMarta Quintero
 

Was ist angesagt? (18)

METODOLOGÍA UWE (UML-BASED WEB ENGINEERING)
METODOLOGÍA UWE (UML-BASED WEB ENGINEERING) METODOLOGÍA UWE (UML-BASED WEB ENGINEERING)
METODOLOGÍA UWE (UML-BASED WEB ENGINEERING)
 
Modelos y estrategias de resolucion_de_problemas
Modelos y estrategias de resolucion_de_problemasModelos y estrategias de resolucion_de_problemas
Modelos y estrategias de resolucion_de_problemas
 
Simulacro tipo ECE 2-III
Simulacro tipo ECE 2-IIISimulacro tipo ECE 2-III
Simulacro tipo ECE 2-III
 
Expresiones algebraicas
Expresiones algebraicasExpresiones algebraicas
Expresiones algebraicas
 
funciones lineales
funciones linealesfunciones lineales
funciones lineales
 
Ejercicios resueltos yyyysemejanza de triángulos
Ejercicios resueltos yyyysemejanza de triángulosEjercicios resueltos yyyysemejanza de triángulos
Ejercicios resueltos yyyysemejanza de triángulos
 
EJERCICIOS PROPUESTOS DE PLANTEO DE ECUACIONES
EJERCICIOS PROPUESTOS DE PLANTEO DE ECUACIONESEJERCICIOS PROPUESTOS DE PLANTEO DE ECUACIONES
EJERCICIOS PROPUESTOS DE PLANTEO DE ECUACIONES
 
Cruci Numeros Reales 2do
Cruci Numeros Reales 2doCruci Numeros Reales 2do
Cruci Numeros Reales 2do
 
Multiplicación y división de números racionales
Multiplicación y división de números racionalesMultiplicación y división de números racionales
Multiplicación y división de números racionales
 
IDR Unidad 1: Introducción y proceso de Ingeniería de requerimientos
IDR Unidad 1: Introducción y proceso de Ingeniería de requerimientosIDR Unidad 1: Introducción y proceso de Ingeniería de requerimientos
IDR Unidad 1: Introducción y proceso de Ingeniería de requerimientos
 
Guía racionalizacion complementaria
Guía racionalizacion complementariaGuía racionalizacion complementaria
Guía racionalizacion complementaria
 
Operaciones radicales
Operaciones radicalesOperaciones radicales
Operaciones radicales
 
Ranking algorithms
Ranking algorithmsRanking algorithms
Ranking algorithms
 
Balanza y ecuaciones
Balanza y ecuacionesBalanza y ecuaciones
Balanza y ecuaciones
 
IDR Unidad 4: Validación y gestión de requisitos
IDR Unidad 4: Validación y gestión de requisitosIDR Unidad 4: Validación y gestión de requisitos
IDR Unidad 4: Validación y gestión de requisitos
 
01 3 ejercicios radicales
01   3 ejercicios radicales01   3 ejercicios radicales
01 3 ejercicios radicales
 
Sesion 23: funciones lineales
Sesion 23: funciones linealesSesion 23: funciones lineales
Sesion 23: funciones lineales
 
Análisis y diseño de sistemas
Análisis y diseño de sistemasAnálisis y diseño de sistemas
Análisis y diseño de sistemas
 

Andere mochten auch

Data Mining. Extracción de Conocimiento en Grandes Bases de Datos
Data Mining. Extracción de Conocimiento en Grandes Bases de DatosData Mining. Extracción de Conocimiento en Grandes Bases de Datos
Data Mining. Extracción de Conocimiento en Grandes Bases de DatosRoberto Espinosa
 
Data Mining
Data MiningData Mining
Data Miningbrobelo
 
Modelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicacionesModelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicacionesÁngel M. Felicísimo
 
Métodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOSMétodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOSlalopg
 
Microsoft Excel 2007 - Guia de Ejercicios
Microsoft Excel 2007 - Guia de EjerciciosMicrosoft Excel 2007 - Guia de Ejercicios
Microsoft Excel 2007 - Guia de Ejerciciosbrobelo
 
Programa Fundamentos en Business Intelligence con MSSQL Server 2008R2 / 2012
Programa Fundamentos en Business Intelligence con MSSQL Server 2008R2 / 2012Programa Fundamentos en Business Intelligence con MSSQL Server 2008R2 / 2012
Programa Fundamentos en Business Intelligence con MSSQL Server 2008R2 / 2012LPI ONG
 
linear regression and correlation analysis
linear regression and correlation analysislinear regression and correlation analysis
linear regression and correlation analysisEdgar Mata
 
Almacenes de datos, olap y minería de datos
Almacenes de datos, olap y minería de datosAlmacenes de datos, olap y minería de datos
Almacenes de datos, olap y minería de datosFiorella Urbina Vera
 
Modelo De Sistema Viable Omeblog
Modelo De Sistema Viable OmeblogModelo De Sistema Viable Omeblog
Modelo De Sistema Viable OmeblogJesusita
 
Panel Presentation Template
Panel Presentation TemplatePanel Presentation Template
Panel Presentation Templatesteve tice
 
Indice Proyecto de Inteligencia de Negocios
Indice Proyecto de Inteligencia de NegociosIndice Proyecto de Inteligencia de Negocios
Indice Proyecto de Inteligencia de NegociosPedro Chavez
 
Ingenieria en sistemas computacionales en el mundo IPN
Ingenieria en sistemas computacionales en el mundo IPNIngenieria en sistemas computacionales en el mundo IPN
Ingenieria en sistemas computacionales en el mundo IPNaleale17
 
ITT-235-L: Introducción a Sistemas Computacionales
ITT-235-L: Introducción a Sistemas ComputacionalesITT-235-L: Introducción a Sistemas Computacionales
ITT-235-L: Introducción a Sistemas Computacionalesrcad
 

Andere mochten auch (20)

Data Mining. Extracción de Conocimiento en Grandes Bases de Datos
Data Mining. Extracción de Conocimiento en Grandes Bases de DatosData Mining. Extracción de Conocimiento en Grandes Bases de Datos
Data Mining. Extracción de Conocimiento en Grandes Bases de Datos
 
Data Mining
Data Mining Data Mining
Data Mining
 
Técnicas de data mining
Técnicas de data miningTécnicas de data mining
Técnicas de data mining
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Aplicaciones de la mineria de datos
Aplicaciones de la mineria de datosAplicaciones de la mineria de datos
Aplicaciones de la mineria de datos
 
Data Mining
Data MiningData Mining
Data Mining
 
Modelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicacionesModelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicaciones
 
Métodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOSMétodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOS
 
Statistic for Business
Statistic for BusinessStatistic for Business
Statistic for Business
 
Microsoft Excel 2007 - Guia de Ejercicios
Microsoft Excel 2007 - Guia de EjerciciosMicrosoft Excel 2007 - Guia de Ejercicios
Microsoft Excel 2007 - Guia de Ejercicios
 
Programa Fundamentos en Business Intelligence con MSSQL Server 2008R2 / 2012
Programa Fundamentos en Business Intelligence con MSSQL Server 2008R2 / 2012Programa Fundamentos en Business Intelligence con MSSQL Server 2008R2 / 2012
Programa Fundamentos en Business Intelligence con MSSQL Server 2008R2 / 2012
 
linear regression and correlation analysis
linear regression and correlation analysislinear regression and correlation analysis
linear regression and correlation analysis
 
Almacenes de datos, olap y minería de datos
Almacenes de datos, olap y minería de datosAlmacenes de datos, olap y minería de datos
Almacenes de datos, olap y minería de datos
 
Modelo De Sistema Viable Omeblog
Modelo De Sistema Viable OmeblogModelo De Sistema Viable Omeblog
Modelo De Sistema Viable Omeblog
 
Panel Presentation Template
Panel Presentation TemplatePanel Presentation Template
Panel Presentation Template
 
Indice Proyecto de Inteligencia de Negocios
Indice Proyecto de Inteligencia de NegociosIndice Proyecto de Inteligencia de Negocios
Indice Proyecto de Inteligencia de Negocios
 
Algoritmos de minería de datos
Algoritmos de minería de datos Algoritmos de minería de datos
Algoritmos de minería de datos
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Ingenieria en sistemas computacionales en el mundo IPN
Ingenieria en sistemas computacionales en el mundo IPNIngenieria en sistemas computacionales en el mundo IPN
Ingenieria en sistemas computacionales en el mundo IPN
 
ITT-235-L: Introducción a Sistemas Computacionales
ITT-235-L: Introducción a Sistemas ComputacionalesITT-235-L: Introducción a Sistemas Computacionales
ITT-235-L: Introducción a Sistemas Computacionales
 

Ähnlich wie Modelos De Data Mining

Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdfAprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdfGerard Alba
 
Modelos de recomendación para e-commerce por Smartup.
Modelos de recomendación para e-commerce por Smartup.Modelos de recomendación para e-commerce por Smartup.
Modelos de recomendación para e-commerce por Smartup.Javier Ramos Turrión
 
Herramientas del Blue Ocean Strategy
Herramientas del Blue Ocean StrategyHerramientas del Blue Ocean Strategy
Herramientas del Blue Ocean StrategyINNOGYZER.com
 
Proyecto Mineria de Datos
Proyecto Mineria de DatosProyecto Mineria de Datos
Proyecto Mineria de DatosXavierPaniagua
 
Proyecto final
Proyecto finalProyecto final
Proyecto finalLuisAez13
 
eStudio34 Presents Masterclass de Growth hacking para tu ecommerce por Ugo Smith
eStudio34 Presents Masterclass de Growth hacking para tu ecommerce por Ugo SmitheStudio34 Presents Masterclass de Growth hacking para tu ecommerce por Ugo Smith
eStudio34 Presents Masterclass de Growth hacking para tu ecommerce por Ugo SmithWilliam Renedo
 
Community manager
Community manager Community manager
Community manager AXEL
 
Data Mining Snoop Consulting Arg
Data Mining Snoop Consulting ArgData Mining Snoop Consulting Arg
Data Mining Snoop Consulting ArgSnoop Consulting
 
Area investigación de mercados maestría
Area investigación de mercados maestríaArea investigación de mercados maestría
Area investigación de mercados maestríaMaestros Online
 
Area investigación de mercados maestría
Area investigación de mercados maestríaArea investigación de mercados maestría
Area investigación de mercados maestríaEducaciontodos
 

Ähnlich wie Modelos De Data Mining (20)

Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdfAprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
 
Modelos de recomendación para e-commerce por Smartup.
Modelos de recomendación para e-commerce por Smartup.Modelos de recomendación para e-commerce por Smartup.
Modelos de recomendación para e-commerce por Smartup.
 
Herramientas del Blue Ocean Strategy
Herramientas del Blue Ocean StrategyHerramientas del Blue Ocean Strategy
Herramientas del Blue Ocean Strategy
 
Proyecto Minería de Datos
Proyecto Minería de DatosProyecto Minería de Datos
Proyecto Minería de Datos
 
Proyecto de Minería de Datos
Proyecto de Minería de DatosProyecto de Minería de Datos
Proyecto de Minería de Datos
 
Proyecto Mineria de Datos
Proyecto Mineria de DatosProyecto Mineria de Datos
Proyecto Mineria de Datos
 
Proyecto final
Proyecto finalProyecto final
Proyecto final
 
Bi resumen
Bi resumenBi resumen
Bi resumen
 
Bi resumen
Bi resumenBi resumen
Bi resumen
 
3A5 Trejo Alexandra -Tarea 2
3A5 Trejo Alexandra -Tarea 23A5 Trejo Alexandra -Tarea 2
3A5 Trejo Alexandra -Tarea 2
 
Canvas
CanvasCanvas
Canvas
 
eStudio34 Presents Masterclass de Growth hacking para tu ecommerce por Ugo Smith
eStudio34 Presents Masterclass de Growth hacking para tu ecommerce por Ugo SmitheStudio34 Presents Masterclass de Growth hacking para tu ecommerce por Ugo Smith
eStudio34 Presents Masterclass de Growth hacking para tu ecommerce por Ugo Smith
 
524921~1
524921~1524921~1
524921~1
 
524921~1
524921~1524921~1
524921~1
 
Community manager
Community manager Community manager
Community manager
 
Mineria de Datos
Mineria de DatosMineria de Datos
Mineria de Datos
 
Data Mining Snoop Consulting Arg
Data Mining Snoop Consulting ArgData Mining Snoop Consulting Arg
Data Mining Snoop Consulting Arg
 
Modelo de negocio canvas
Modelo de negocio canvasModelo de negocio canvas
Modelo de negocio canvas
 
Area investigación de mercados maestría
Area investigación de mercados maestríaArea investigación de mercados maestría
Area investigación de mercados maestría
 
Area investigación de mercados maestría
Area investigación de mercados maestríaArea investigación de mercados maestría
Area investigación de mercados maestría
 

Mehr von brobelo

Excel 2007
Excel 2007Excel 2007
Excel 2007brobelo
 
PostgreSQL
PostgreSQLPostgreSQL
PostgreSQLbrobelo
 
Microsoft office access 2007
Microsoft office access 2007Microsoft office access 2007
Microsoft office access 2007brobelo
 
XML en .NET
XML en .NETXML en .NET
XML en .NETbrobelo
 
Sql server 2008
Sql server 2008Sql server 2008
Sql server 2008brobelo
 
Estructuras de Lenguaje .NET
Estructuras de Lenguaje .NETEstructuras de Lenguaje .NET
Estructuras de Lenguaje .NETbrobelo
 
Tecnologia Microsoft
Tecnologia  MicrosoftTecnologia  Microsoft
Tecnologia Microsoftbrobelo
 
Manual Analysis Services
Manual Analysis ServicesManual Analysis Services
Manual Analysis Servicesbrobelo
 
Analysis Services
Analysis ServicesAnalysis Services
Analysis Servicesbrobelo
 
Bussines Intelligence
Bussines IntelligenceBussines Intelligence
Bussines Intelligencebrobelo
 
Reporting Services
Reporting ServicesReporting Services
Reporting Servicesbrobelo
 
SQL SERVER Service Broker
SQL SERVER Service BrokerSQL SERVER Service Broker
SQL SERVER Service Brokerbrobelo
 
Replicacion de Datos en SQL Server
Replicacion de Datos en SQL ServerReplicacion de Datos en SQL Server
Replicacion de Datos en SQL Serverbrobelo
 
SQL Server - Como se Almacenan los Datos
SQL Server - Como se Almacenan los DatosSQL Server - Como se Almacenan los Datos
SQL Server - Como se Almacenan los Datosbrobelo
 
Programacion con SQL Server 2005
Programacion con SQL Server 2005Programacion con SQL Server 2005
Programacion con SQL Server 2005brobelo
 
Variables en SSIS
Variables en SSISVariables en SSIS
Variables en SSISbrobelo
 
SQL Server Integration Services
SQL Server Integration ServicesSQL Server Integration Services
SQL Server Integration Servicesbrobelo
 

Mehr von brobelo (18)

Excel 2007
Excel 2007Excel 2007
Excel 2007
 
PostgreSQL
PostgreSQLPostgreSQL
PostgreSQL
 
Microsoft office access 2007
Microsoft office access 2007Microsoft office access 2007
Microsoft office access 2007
 
XML en .NET
XML en .NETXML en .NET
XML en .NET
 
Sql server 2008
Sql server 2008Sql server 2008
Sql server 2008
 
ADO.NET
ADO.NETADO.NET
ADO.NET
 
Estructuras de Lenguaje .NET
Estructuras de Lenguaje .NETEstructuras de Lenguaje .NET
Estructuras de Lenguaje .NET
 
Tecnologia Microsoft
Tecnologia  MicrosoftTecnologia  Microsoft
Tecnologia Microsoft
 
Manual Analysis Services
Manual Analysis ServicesManual Analysis Services
Manual Analysis Services
 
Analysis Services
Analysis ServicesAnalysis Services
Analysis Services
 
Bussines Intelligence
Bussines IntelligenceBussines Intelligence
Bussines Intelligence
 
Reporting Services
Reporting ServicesReporting Services
Reporting Services
 
SQL SERVER Service Broker
SQL SERVER Service BrokerSQL SERVER Service Broker
SQL SERVER Service Broker
 
Replicacion de Datos en SQL Server
Replicacion de Datos en SQL ServerReplicacion de Datos en SQL Server
Replicacion de Datos en SQL Server
 
SQL Server - Como se Almacenan los Datos
SQL Server - Como se Almacenan los DatosSQL Server - Como se Almacenan los Datos
SQL Server - Como se Almacenan los Datos
 
Programacion con SQL Server 2005
Programacion con SQL Server 2005Programacion con SQL Server 2005
Programacion con SQL Server 2005
 
Variables en SSIS
Variables en SSISVariables en SSIS
Variables en SSIS
 
SQL Server Integration Services
SQL Server Integration ServicesSQL Server Integration Services
SQL Server Integration Services
 

Kürzlich hochgeladen

Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...RaymondCode
 
Matriz de integración de tecnologías- Paola Carvajal.docx
Matriz de integración de tecnologías- Paola Carvajal.docxMatriz de integración de tecnologías- Paola Carvajal.docx
Matriz de integración de tecnologías- Paola Carvajal.docxPaolaCarolinaCarvaja
 
Análisis de artefactos tecnologicos .pdf
Análisis de artefactos tecnologicos .pdfAnálisis de artefactos tecnologicos .pdf
Análisis de artefactos tecnologicos .pdfcastrodanna185
 
VIDEOS DE APOYO.docx E
VIDEOS DE APOYO.docx                                  EVIDEOS DE APOYO.docx                                  E
VIDEOS DE APOYO.docx Emialexsolar
 
El diseño de Algoritmos Paralelos.pdf - analisis de algortimos
El diseño de Algoritmos Paralelos.pdf - analisis de algortimosEl diseño de Algoritmos Paralelos.pdf - analisis de algortimos
El diseño de Algoritmos Paralelos.pdf - analisis de algortimosLCristinaForchue
 
Actividad 14_ Diseño de Algoritmos Paralelos.pdf
Actividad 14_ Diseño de Algoritmos Paralelos.pdfActividad 14_ Diseño de Algoritmos Paralelos.pdf
Actividad 14_ Diseño de Algoritmos Paralelos.pdfalejandrogomezescoto
 
Los mejores simuladores de circuitos electrónicos.pdf
Los mejores simuladores de circuitos electrónicos.pdfLos mejores simuladores de circuitos electrónicos.pdf
Los mejores simuladores de circuitos electrónicos.pdfodalistar77
 
La Electricidad y La Electrónica.pdf....
La Electricidad y La Electrónica.pdf....La Electricidad y La Electrónica.pdf....
La Electricidad y La Electrónica.pdf....Aaron Betancourt
 
Tecnológia 2024.docx.Tecnológia 2024.docx.
Tecnológia 2024.docx.Tecnológia 2024.docx.Tecnológia 2024.docx.Tecnológia 2024.docx.
Tecnológia 2024.docx.Tecnológia 2024.docx.marianarodriguezc797
 
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdfPresentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdfymiranda2
 
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOSPRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOSLincangoKevin
 
TENDENCIAS DE IA Explorando el futuro de la tecnologia.pdf
TENDENCIAS DE IA Explorando el futuro de la tecnologia.pdfTENDENCIAS DE IA Explorando el futuro de la tecnologia.pdf
TENDENCIAS DE IA Explorando el futuro de la tecnologia.pdfJoseAlejandroPerezBa
 
Carta de Premio y Excel angeline 11-2pdf
Carta de Premio y Excel angeline 11-2pdfCarta de Premio y Excel angeline 11-2pdf
Carta de Premio y Excel angeline 11-2pdfangelinebocanegra1
 
La tablet trabajo en grupo del grado 9-2
La tablet trabajo en grupo del grado 9-2La tablet trabajo en grupo del grado 9-2
La tablet trabajo en grupo del grado 9-2montoyagabriela340
 
Inmersión global en ciberseguridad e IA en la conferencia RSA.pdf
Inmersión global en ciberseguridad e IA en la conferencia RSA.pdfInmersión global en ciberseguridad e IA en la conferencia RSA.pdf
Inmersión global en ciberseguridad e IA en la conferencia RSA.pdfOBr.global
 
Inteligencia artificial dentro de la contabilidad
Inteligencia artificial dentro de la contabilidadInteligencia artificial dentro de la contabilidad
Inteligencia artificial dentro de la contabilidaddanik1023m
 
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...OLGAMILENAMONTAEZNIO
 
De Código a Ejecución: El Papel Fundamental del MSIL en .NET
De Código a Ejecución: El Papel Fundamental del MSIL en .NETDe Código a Ejecución: El Papel Fundamental del MSIL en .NET
De Código a Ejecución: El Papel Fundamental del MSIL en .NETGermán Küber
 

Kürzlich hochgeladen (20)

Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
 
Matriz de integración de tecnologías- Paola Carvajal.docx
Matriz de integración de tecnologías- Paola Carvajal.docxMatriz de integración de tecnologías- Paola Carvajal.docx
Matriz de integración de tecnologías- Paola Carvajal.docx
 
Análisis de artefactos tecnologicos .pdf
Análisis de artefactos tecnologicos .pdfAnálisis de artefactos tecnologicos .pdf
Análisis de artefactos tecnologicos .pdf
 
VIDEOS DE APOYO.docx E
VIDEOS DE APOYO.docx                                  EVIDEOS DE APOYO.docx                                  E
VIDEOS DE APOYO.docx E
 
El diseño de Algoritmos Paralelos.pdf - analisis de algortimos
El diseño de Algoritmos Paralelos.pdf - analisis de algortimosEl diseño de Algoritmos Paralelos.pdf - analisis de algortimos
El diseño de Algoritmos Paralelos.pdf - analisis de algortimos
 
Actividad 14_ Diseño de Algoritmos Paralelos.pdf
Actividad 14_ Diseño de Algoritmos Paralelos.pdfActividad 14_ Diseño de Algoritmos Paralelos.pdf
Actividad 14_ Diseño de Algoritmos Paralelos.pdf
 
Los mejores simuladores de circuitos electrónicos.pdf
Los mejores simuladores de circuitos electrónicos.pdfLos mejores simuladores de circuitos electrónicos.pdf
Los mejores simuladores de circuitos electrónicos.pdf
 
La Electricidad y La Electrónica.pdf....
La Electricidad y La Electrónica.pdf....La Electricidad y La Electrónica.pdf....
La Electricidad y La Electrónica.pdf....
 
BEDEC Proyecto y obra , novedades 2024 - Xavier Folch
BEDEC Proyecto y obra , novedades 2024 - Xavier FolchBEDEC Proyecto y obra , novedades 2024 - Xavier Folch
BEDEC Proyecto y obra , novedades 2024 - Xavier Folch
 
Tecnológia 2024.docx.Tecnológia 2024.docx.
Tecnológia 2024.docx.Tecnológia 2024.docx.Tecnológia 2024.docx.Tecnológia 2024.docx.
Tecnológia 2024.docx.Tecnológia 2024.docx.
 
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdfPresentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
 
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOSPRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
 
TENDENCIAS DE IA Explorando el futuro de la tecnologia.pdf
TENDENCIAS DE IA Explorando el futuro de la tecnologia.pdfTENDENCIAS DE IA Explorando el futuro de la tecnologia.pdf
TENDENCIAS DE IA Explorando el futuro de la tecnologia.pdf
 
Carta de Premio y Excel angeline 11-2pdf
Carta de Premio y Excel angeline 11-2pdfCarta de Premio y Excel angeline 11-2pdf
Carta de Premio y Excel angeline 11-2pdf
 
La tablet trabajo en grupo del grado 9-2
La tablet trabajo en grupo del grado 9-2La tablet trabajo en grupo del grado 9-2
La tablet trabajo en grupo del grado 9-2
 
Inmersión global en ciberseguridad e IA en la conferencia RSA.pdf
Inmersión global en ciberseguridad e IA en la conferencia RSA.pdfInmersión global en ciberseguridad e IA en la conferencia RSA.pdf
Inmersión global en ciberseguridad e IA en la conferencia RSA.pdf
 
BEDEC Sostenibilidad, novedades 2024 - Laura Silva
BEDEC Sostenibilidad, novedades 2024 - Laura SilvaBEDEC Sostenibilidad, novedades 2024 - Laura Silva
BEDEC Sostenibilidad, novedades 2024 - Laura Silva
 
Inteligencia artificial dentro de la contabilidad
Inteligencia artificial dentro de la contabilidadInteligencia artificial dentro de la contabilidad
Inteligencia artificial dentro de la contabilidad
 
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
 
De Código a Ejecución: El Papel Fundamental del MSIL en .NET
De Código a Ejecución: El Papel Fundamental del MSIL en .NETDe Código a Ejecución: El Papel Fundamental del MSIL en .NET
De Código a Ejecución: El Papel Fundamental del MSIL en .NET
 

Modelos De Data Mining

  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.