Publicación: Minería de datos: Conceptos iniciales
Resumen
La presentación ofrece una introducción a los conceptos básicos de la minería de datos, destacando la importancia de los algoritmos como herramientas para procesar y transformar datos en información útil. Explica cómo el machine learning permite construir modelos predictivos mediante métodos supervisados —como SVM, árboles de decisión y probabilísticos— y no supervisados —como K-means, agrupamiento jerárquico y canopy—. A través de ejemplos aplicados, se ilustra cómo estas técnicas ayudan a descubrir patrones y apoyar la toma de decisiones basada en datos.
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Fundación Universitaria Compensar
Tipo de Material
Fecha
2025-05-02
Fuente del recurso
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Descripción general
La presentación introduce los fundamentos esenciales de la minería de datos, explicando el papel central de los algoritmos para analizar grandes volúmenes de información. Se abordan técnicas de machine learning tanto supervisadas como no supervisadas, detallando su aplicación en tareas como clasificación, regresión, agrupamiento y detección de patrones. Además, se presentan ejemplos prácticos y se describen métodos específicos como SVM, árboles de decisión, K-means y agrupamiento jerárquico, brindando una visión clara y estructurada sobre cómo extraer conocimiento útil a partir de los datos.
PDF 
FLIP 