2. INTRODUCCIÓN La información histórica es util para explicar el pasado, entender el presente y predecir la información futura, es decir, obtener información util para la organización. En situaciones, para obtener el conocimiento se hace un anàlisis manual: Ej: Un grupo de mèdicos que analizan la evoluciòn de las enfermedades infecto-contagiosas entre la población para determinar el rango de edad más frecuente de las personas infectadas y establecer asi pol ìticas de vacunaciòn. Que otros ejemplos? La forma de anàlisis manual es lenta, cara y altamente subjetiva. Por que subjetiva ?

6. Minería de Datos Ing. Ariel Armando Ruiz Zúñiga Calí - 2008 EL PROCESO DE DATA MINING DATOS CONOCIMIENTO Problema Modelización Selección Exploración Modificación Valoración Objetivos Datos Objetivo Modelos Datos transformados Datos procesados DATA MINING

15. Minería de Datos Ing. Ariel Armando Ruiz Zúñiga Calí - 2008 EL PROCESO DE DATA MINING TIPOS DE PROBLEMAS Y ENFOQUES PARA SU SOLUCION DATA MINING

20. Minería de Datos Ing. Ariel Armando Ruiz Zúñiga Calí - 2008 EL PROCESO DE DATA MINING TECNICAS DE DATA MINING DATA MINING

21. Minería de Datos Ing. Ariel Armando Ruiz Zúñiga Calí - 2008 EL PROCESO DE DATA MINING DATA MINING Aglomerativos o divisivos Redes neuronales basadas en aprendizaje no supervisado (Kohonen) Segmentación – Clustering jerárquico K-medidas Segmentación – Clustering no jerárquico (anteriores) Regresión lineal y no lineal Predictivos – De valores Aprendizaje supervisado. Árboles de decisión Regresiones Logísticas Redes Neuronales Predictivos - Clasificación TECNICAS

22. Minería de Datos Ing. Ariel Armando Ruiz Zúñiga Calí - 2008 EL PROCESO DE DATA MINING DATA MINING Patrones de transacciones den BD temporales Análisis de relaciones – Patrones en series temporales Patrones de transacciones secuenciales Análisis de relaciones - patrones secuenciales: Apriori Análisis de Relaciones - Asociaciones TECNICAS