GOBIERNO CONSTITUCIONAL DEL ESTADO LIBRE Y SOBERANO DE OAXACA

INSTITUTO ESTATAL DE EDUCACIN PBLICA DE OAXACA

COORDINACIN GENERAL DE PLANEACIN EDUCATIVA
COORDINACIN GENERAL DE EDUCACIN MEDIA SUPERIOR Y SUPERIOR
PROGRAMA DE ESTUDIOS
NOMBRE DE LA ASIGNATURA:

MINERA DE DATOS
CICLO
DCIMO SEMESTRE

CLAVE DE LA ASIGNATURA
3106

TOTAL DE HORAS
102

OBJETIVOS GENERALES DE LA ASIGNATURA:

Explorar y exponer las principales tcnicas de Minera de Datos, su importancia, aprovechamiento y sus reas
de aplicacin. Al finalizar el alumno, tendr un panorama completo de lo que el rea de Minera de Datos
ofrece y podr ser capaz de aplicar las tcnicas fundamentales a favor del anlisis de grandes volmenes de
informacin.

1.

TEMAS Y SUBTEMAS
INTRODUCCIN.
1.1. Minera de Datos.
1.2. reas principales (Estadstica y Aprendizaje Automtico).
1.3. Patrones.
1.4. Campos de aplicacin.

2.

MINERA DE DATOS.
2.1. Datos en todas partes.
2.2. Datos y pre-procesamiento.
2.3. Ejemplares (instancias).
2.4. Atributos.
2.5. Patrones y post-procesamiento.
2.6. Representacin de patrones.

3.

REPRESENTACION DEL CONOCIMIENTO.

3.1. Representacin de reglas de clasificacin.
3.2. Representacin de reglas de asociacin.
3.3. Representacin de segmentacin.
3.4. Otras representaciones.

4.

FUNCIONAMIENTO DE ALGORITMOS.
4.1. Aprendizaje de reglas.
4.2. Reglas de Asociacin.
4.3. Segmentacin.

5.

HERRAMIENTAS DE MINERA DE DATOS.

5.1. Presentacin de la plataforma.
5.2. Requisitos de entrada.
5.3. Tcnicas disponibles.
5.4. Aplicacin de tcnicas de clasificacin.
5.5. Aplicacin de tcnicas de asociacin.
5.6. Aplicacin de tcnicas de segmentacin.
5.7. Visualizacin de patrones y post-procesamiento.

6.

TENDENCIAS.
6.1. Otras tcnicas.
6.2. Otras fuentes de datos.

ACTIVIDADES DE ENSEANZA-APRENDIZAJE:

Exposicin y anlisis de cada tema del programa con ejercicios de diversa dificultad que permitan
visualizar el comportamiento de las tcnicas de minera de datos.

Utilizacin de software de simulacin para mostrar a detalle el comportamiento de las tcnicas vistas
en clase.
Realizar la lectura de artculos que detalles los fundamentos y el estado del arte en ciertos temas
relevantes.
Realizar prcticas en las que se apliquen y manejen las tcnicas de clasificacin, asociacin y
segmentacin sobre conjuntos de datos estndar, mediante una herramienta de software para
Minera de Datos que el profesor designe.
Realizar ensayos, donde el alumno compare el desempeo entre las tcnicas vistas en clase y discuta
su mejor aprovechamiento.

CRITERIOS Y PROCEDIMIENTOS DE EVALUACIN Y ACREDITACIN:

Al inicio del curso el profesor indicar el procedimiento de evaluacin para la obtencin de la calificacin final,
de la cual el 50% lo representar el promedio de las calificaciones parciales y el otro 50 % el examen
ordinario. Para tener derecho a cada evaluacin, el alumno deber cumplir con un mnimo de 85% de
asistencia.
BIBLIOGRAFA (TIPO, TTULO, AUTOR, EDITORIAL Y AO):
BSICA

Data mining: practical machine learning tools and techniques, Witten Frank, Second edition, Morgan

Kaufmann Publisher editorial, 2005.

Data mining: concepts and techniques, Han Kamber, Second edition, Morgan Kaufmann Publisher
editorial, 2005.

Principles of data mining, Hand, Mannila and Smyth, MIT Press editorial, 2001.

Data mining: introductory and advanced topics, Margaret Durham, Prentice Hall editorial, 2003
CONSULTA

Machine learning, Thomas Mitchell, McGraw Hill editorial, 1997.

Data Mining Methods and Models, Daniel T. Larose, Wiley-IEEE Press editorial, 2006.

Principles of Data Mining, Max Bramer, First edition, Springer editorial, 2007.
PERFIL PROFESIONAL DEL DOCENTE:
Maestra o doctorado en ciencias de la computacin o rea afn, con especialidad en bases de datos.
Experiencia profesional y docente mnima de 1 ao.