1. No category

Sistemas Inteligentes para la Gestión de la Empresa
Máster en Ingeniería Informática
Curso 2014-2015
S.
Grupo de teoría
(jueves, 18:30-20:00, aula 1.6)
Grupo de prácticas
(lunes, 20:00-21:30, lab. 2.2)
1
19-feb Presentación de la asignatura
16-feb
–––––––
2
26-feb T1: Introducción a la Int. Negocio
23-feb
–––––––
2-mar
S1: Herramientas de
Depuración y Calidad de Datos
3
4
T2. Depuración y Calidad de
Datos. Preprocesamiento.
5-mar
Integración, limpieza y transf..
Datos imperfectos
T2. Depuración y Calidad de
12-mar Datos. Datos imperfectos.
Reducción de datos
5
19-mar
6
26-mar
7
2-abr
8
9-abr
9
–––––––
T2. Depuración y Calidad de
Datos. Reducción de datos
23-mar S2: Visualización de datos
30-mar
No lectivo
T3: Análisis Predictivo para la
Empresa
6-abr
No lectivo
16-abr
T3: Análisis Predictivo para la
Empresa
13-abr
10
23-abr
T3: Análisis Predictivo para la
Empresa
20-abr
11
30-abr
T3: Análisis Predictivo para la
Empresa/ T4. Modelos avanz.
12
7-may
T4. Modelos Avanzados de
Analítica de Empresa
13
14-may
T4. Modelos Avanzados de
Analítica de Empresa
14
T5: Análisis de Transacciones y
21-may Mercado. Descubrimiento de
subgrupos
18-may
Caso P3: Escalabilidad y
Big Data
15
28-may T6: Big Data
25-may
Caso P4: Descubrimiento de
subgrupos
16
4-jun T6: Big Data
17
11-jun
No lectivo
Caso 1: Predicción de ingresos
9-mar económicos basándose en
datos sociolaborales
Caso 1: Predicción de ingresos
16-mar económicos basándose en
datos sociolaborales
No lectivo
S3: Herramientas de Análisis
Predictivo
Caso 2: Predicción multiclase
de accidentes de tráfico
Caso 2: Predicción multiclase
27-abr
de accidentes de tráfico
Entrega P1 –Competición
3-may
Kaggle sobre datos bancarios
4-may
S4:Herramientasde
Escalabilidad y Big Data
11-may Caso P3: Escalabilidad y
Big Data
Caso P3: Escalabilidad y
Big Data
Caso P3: Escalabilidad y
8-jun
Big Data
Entrega P2 – Escalabilidad y
10-jun
Big Data en Bioinformática
1-jun
Sistemas Inteligentes para la Gestión de la Empresa
Máster en Ingeniería Informática
Curso 2014-2015
Temario de teoría
Tema 1: Introducción a la Inteligencia de Negocio
 Elementos de una herramienta de
businessintelligence
 Retos en la Inteligencia de Negocio
 Ciencia de Datos
Tema 2:Depuración y Calidad de Datos
 Preprocesamiento de datos
 Integración, limpieza y transformación
 Datos imperfectos
 Reducción de datos
 Casos de estudio
Tema 3: Análisis Predictivo para la Empresa
 Modelos predictivos avanzados de clasificación.
Clasificación no balanceada, problemas con
múltiples clases (SVM, multiclasificadores,
descomposición de problemas OVO y OVA)
 Casos de estudio
Tema 4: Modelos Avanzados de Analítica de Empresa
 Escalabilidad: Aprendizaje incremental
 Flujo de datos
 Series Temporales
 Casos de estudio
Tema 5: Análisis de Transacciones y Mercado.
 Modelos de descubrimiento de patrones
Descubrimiento de subgrupos
 Casos de estudio
Tema 6: Big data
 Introducción al Big Data
 Tecnologías de Big Data
 Paradigma MapReduce
 Ecosistema Hadoop
 Casos de estudio
Temario de prácticas
Caso Práctico 1:Resolución de un caso práctico de
empresa mediante preprocesamiento de
datos. Problema de censo socioeconómico
Caso Práctico2:Resolución de un caso práctico de
empresa mediante análisis predictivo
avanzado. Problema multiclase de
predicción de accidentes de tráfico.
Caso Práctico3:Resolución de un problema de Big
Data. Problema 1. Estimación del precio
de la energía. Problema 2. Monitorización
de la actividad física.
Caso Práctico4. Resolución de un caso práctico de
descubrimiento de subgrupos. Problema
de accidentes de tráfico.
Práctica 1. Competición Kaggle. Caso práctico
mediante preprocesamiento de datos.
Problema de datos bancarios.
Práctica 2. Escalabilidad y Big Data. Problema de
predicción de estructuras de proteinas.
Seminarios
Seminario 1: Herramientas de depuración y calidad
de datos (KEEL)
Seminario 2: Herramientas de visualización de datos
Seminario 3: Herramientas de análisis predictivo
(KNIME, scikit-learn, MOA,
Vowpak_Wabbit, Sofia-ML)
Seminario 4: Herramientas de Big Data (Mahout,
MLLib)
Enlaces de interés
http://sci2s.ugr.es/docencia/sige/
http://www.bzst.com/
http://www.kdnuggets.com/news/
http://tryr.codeschool.com
http://www.kaggle.com
http://www.knime.org/
http://www.cs.waikato.ac.nz/ml/weka
http://www.keel.es/
http://scikit-learn.org
http://hunch.net/~vw/
https://code.google.com/p/sofia-ml/
http://moa.cms.waikato.ac.nz
http://www.tableau.com/public/
http://mahout.apache.org