1.1. Introducción a la minería de datos y el aprendizaje automático
1.1.1. Proceso KDD
1.1.2. Modelos y Técnicas de Data Mining
1.1.3. Áreas de aplicación
1.1.4. Minería de textos y Web Mining
1.1.5. Data mining y marketing
2.1. Instalación de R y RStudio
2.1.1. Introducción al lenguaje
2.1.2. Historia e Introducción a R
2.1.3. Operaciones Básicas y Números
2.1.4. Atributos, Entrada y Coerción
2.1.5. Matrices
2.1.6. Precedencia Operaciones Vectoriales
2.1.7. Manejo de fechas y tiempo
2.1.8. Listas, Factores, Valores Faltantes y Dataframes
2.1.9. Subconjuntos de Datos
2.1.10. Leer y Escribir Datos
2.2. Uso del lenguaje
2.2.1. Estructuras de Control
2.2.2. Funciones
2.2.3. Reglas de Alcance
2.3. Sistema de gráficos
2.3.1. Funciones *apply: apply
2.3.2. Funciones *apply: lapply / sappy
2.3.3. Funciones *apply: mapply / rep
2.3.4. Graficación con el Sistema de Base de Gráficos
2.3.5. Algunas Funciones Gráficas de Alto Nivel
2.3.6. Parámetros en el Sistema de Gráficos
2.3.7. Colores en el Sistema de Gráficos
2.3.8. Graficación con Notación Matemática
2.3.9. Graficación con texto y notación matemática
2.3.10. Creación de Gráficas en 3D
2.4. Expresiones regulares. Graficas con ggplot2 y Simulación
2.4.1. Expresiones Regulares 2.4.2. Paquete de gráficos ggplot2
2.4.3. Simulación 2.5. R en el mundo real
2.5.1. Estadística Descriptiva y Predictiva con R
2.5.2. Integración de R en Hadoop
3.1. Obtención y limpieza de los datos (ETL)
3.2. Inferencia estadística
3.3. Pruebas de hipótesis
3.4. Modelos de regresión
3.5. Árboles de Decicsión
3.6. Algoritmos de Clasificación / Regresión (J48/C5.0, M5P)
3.7. Normalización, Tipos de distancia, Correlación
3.8. Machine Learning
3.9. Comparar Artículos (k-NN) .
3.10. Modelo predictivo de profit (k-NN, M5P…) .
3.11. Modelo predictivo de clasificación (J48, k-NN).
4.1. Inteligencia Analítica de negocios
4.2. La teoría de grafos y el análisis de redes sociales
4.3. Presentación de resultados
5.1. ¿Qué es Hadoop?
5.2. El sistema de archivos HDFS
5.3. Algunos comandos de referencia
5.4. Procesamiento MapReduce con Hadoop
5.5. El concepto de los clusters en Hadoop
6.1. ¿Qué es Weka?
6.2. Técnicas de Data Mining en Weka
6.3. Interfaces de Weka
6.4. Selección de atributos
Ofrecemos programas de formación 100% bonificables y asesoramiento legal adaptado a tu sector. ¡Descubre cómo podemos ayudarte!
C/ Arturo Barea 17 06011 Badajoz
C/ Mayor nº 23 28891 Velilla de San Antonio (Madrid)
Lunes - Viernes 9:00 - 14:30 y 16:30 - 19:00
