Curso de Minería de Datos con R

Fuentes de métodos

• Inteligencia artificial
• Aprendizaje automático
• Estadística
• Fuentes de datos

Pre-procesamiento de datos

• Importación / Exportación de Datos
• Exploración y visualización de datos
• Reducción de dimensionalidad
• Tratar los valores perdidos
• Paquetes R

Tareas principales de minería de datos

• Análisis automático o semiautomático de grandes cantidades de datos
• Extracción de patrones interesantes desconocidos anteriormente
  • Grupos de registros de datos (análisis de conglomerados)
  • Registros inusuales (detección de anomalías)
  • Dependencias (minería de reglas de asociación)

Minería de datos

• Detección de anomalías (Detección de valores atípicos / cambios / desviaciones)
• Aprendizaje de reglas de asociación (Modelado de dependencias)
• Clustering
• Clasificación
• Regresión
• Resumen
• Explotación Frecuente de Patrones
• Extracción de textos
• Árboles de decisión
• Regresión
• Redes neuronales
• Secuencia de minería
• Explotación Frecuente de Patrones

Dragado de datos, pesca de datos, snooping de datos