Minería de Datos con Weka I (Data Mining with Weka)
4.0 (122 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
447 students enrolled

Minería de Datos con Weka I (Data Mining with Weka)

Procesamiento y transformación datos, clasificación, minería de datos, weka, Ciencia de los datos, Business Intelligence
4.0 (122 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
447 students enrolled
Last updated 8/2018
Spanish
Spanish [Auto]
Current price: $13.99 Original price: $19.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 5 hours on-demand video
  • 4 downloadable resources
  • 1 Practice Test
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • Explorar datos y determinar los atípicos.
  • Construir y evaluar modelos predictivos a partir de conjunto de datos.
  • Manejar las diferentes pestañas y funciones de la herramienta de minería de datos WEKA.
Requirements
  • Saber usar un ordenador con fluidez, independientemente del sistema operativo.
  • Tener conocimientos básicos de estadística es recomendable, pero no necesario para seguir el curso.
  • Se necesitan conocimientos de matemáticas de bachillerato o conocimientos básicos de estadística.
Description

Este curso ofrece a los estudiantes la posibilidad de conocer, comprender las técnicas básicas de minería de datos y saber cómo se aplican en problemas concretos de extracción de conocimiento útil para el análisis y la toma de decisiones.  El contenido del curso es académico y adaptado al curriculum de la asignatura de Minería de datos que se da en las universidades .

Objetivos

  • Entender los conceptos y la terminología de las técnicas de minería de datos.

  • Reconocer los beneficios del uso sistemático de técnicas de extracción de  conocimiento para la obtención de modelos y patrones predictivos.

  • Conocer las fases del Descubrimiento de Conocimiento de Bases de Datos y la importancia de las mismas en el  éxito del proceso (en especial las de limpieza y selección de datos).

  • Conocer las distintas técnicas de aprendizaje automático y estadísticas  utilizadas en minería de datos.

  • Elegir, para un problema concreto, qué técnicas de minería de datos son más apropiadas.

  • Generar los modelos y patrones elegidos utilizando la herramienta o paquete de minería de datos WEKA.

  • Evaluar la calidad de un modelo, utilizando técnicas sencillas de evaluación (validación cruzada).

  • Implementar un algoritmo de minería de datos específico dentro de un proyecto.

  • Aprender a usar WEKA en la construcción de un modelo predictivo.

  • Aprender paso a paso y con ejemplos explicativos los siguientes algoritmos de machine learning : Vecinos más Cercanos, Naïve Bayes, Árbol de Decisión y Reglas de Clasificación.


Who this course is for:
  • Este curso está dirigido a todas aquella personas (abogados, médicos, profesores, etc.) que pretenden explotar conocimientos ocultos dentro de sus bases de dato.
  • Este curso está dirigido a no programadores y quieren minar sus datos.
Course content
Expand all 32 lectures 05:05:05
+ Introducción a la Minería de Datos
4 lectures 41:06
El proceso de la Minería de Datos
11:28
Tipologías de Técnicas de Minería de Datos
11:32
¿Dónde se puede aplicar la Minería de Datos?
10:07
Ejercicios Sección 1
6 questions
+ Introducción a Weka
4 lectures 31:01
Bajar, Instalar y cargar Weka
07:45
Entorno de trabajo de Weka
07:08
La interfaz del Explorer
07:23
Ejercicios Sección 2.
7 questions
+ El pasado de los Datos: Exploración de los Datos
4 lectures 50:59
Explorar el conjunto de datos
20:52
Visualización de los datos: Histograma
09:37
Visualización de los datos: Diagrama de Dispersión
09:59
Visualización de los datos: Diagarma de Cajas
10:31
Ejercicios Sección 3
8 questions
+ Limpieza y Corrección: Preprocesamiento de Datos I (Atributos)
7 lectures 01:01:05
Introducción al Preprocesamiento de Datos
02:33
Remover atributos
07:18
Discretización
15:59
Cambio de tipo de datos
06:46
Corregir la distribución de los Datos :Añadir Expresiones
11:27
Datos Faltantes
12:44
Datos atípicos
04:18
Ejercicios Sección 4
11 questions
+ Limpieza y Corrección: Preprocesamiento de Datos II (Instancias)
4 lectures 26:46
Selección de Instancias
06:27
Instancias duplicadas
01:14
Algoritmos de Muestreo
09:31
Preparación de los conjuntos de datos
09:34
Ejercicios Sección 5
9 questions
+ Construcción Modelos Predictivos: Clasificación
4 lectures 54:42
Naïve Bayes
10:50
Vecinos más Cercanos
08:44
Árboles de Decisión
14:36
Reglas de Clasificación
20:32
Ejercicios Sección 6
13 questions
+ Medir la Calidad del Modelo Predictivo: Evaluación
3 lectures 19:19
Matriz de Confusión
06:01
Sensibilidad vs Especificidad
05:42
La curva ROC (Receiver Operating Characteristic)
07:36
Ejercicios Sección 7
5 questions
+ Proyecto Final
2 lectures 20:07
Repositorios abiertos de datasets
03:29
Predecir quién se va a divorciar!
16:38
+ Prueba Final
0 lectures 00:00

Esta prueba tiene como objetivo medir el grado de conocimientos adquiridos por los alumnos a lo largo del curso, para averiguar si han alcanzado los objetivos.

Prueba Final
20 questions