INFORMACIÓN IMPORTANTE COVID-19
Con este curso online gratuito aprenderás a Descubrir las bases de datos de soporte a la decisión y toda la problemática asociada tanto a su construcción y desarrollo como a la extracción de conocimiento de las mismas y enfrentarse a un proyecto de data mining con los conocimientos suficientes pudiendo abordar cualquiera de sus fases de desarrollo finalidad la descripción precisa del proceso de KDD. TEMÁTICA: Programación informática, Transformación digital
INICIO: Próximamente
MODALIDAD: Online
DURACIÓN: 80 horas
SECTOR: Servicios a las empresas
PRECIO: Curso gratuito subvencionado por el SEPE Un diploma de aprovechamiento avalado por el SEPE.
Conocimientos específicos sobre las aplicaciones y principios de la minería de datos.
La oportunidad de mejorar tu curriculum. Para acceder a este curso, debes cumplir una de las siguientes condiciones:
Estar contratad@ como trabajador/a en régimen general en uno de los siguientes sectores:
Servicios a las empresas
Estar dad@ de alta en el régimen especial de trabajadores autónomos.
Si estás en situación de ERTE total o parcial, podrás hacer el curso como si fueras trabajador en activo a todos los efectos.
Este curso no dispone de plazas para trabajadores de administraciones públicas. Consulta los cursos disponibles para esa situación en este enlace
Además, debes pertenecer a uno de los siguientes grupos:
Mujeres
Trabajadores y autónomos mayores de 45 años
Trabajadores de baja cualificación (tener en la nómina grupo de cotización 6, 7, 9 ó 10)
OBJETIVOS
DATOS DEL CURSO GRATUITO
CONTENIDOS
1.1. Definición del proceso de data mining .
1.2. Análisis de las fases del proceso de acuerdo a CRISP-DM: o Compresión del problema o Comprensión de los datos o Preparación de los datos o Modelado o Evaluación o Implantación.
2.1. Tipos de problemas.
2.1.1. Descriptivos o asociación o clustering.
2.1.2. Predictivos o clasificación.
2.2. Implicaciones de los datos, dominios, técnicas en las fases del proceso
2.3. Casos de uso.
3.1. Clasificación o Arboles de decisión o Naive Bayes
3.2. Clustering o K-means o EM
3.3. Asociación o A priori UNIDAD 4 CONSOLIDACIÓN DE DATA MINING.
3.4. Presentación de un caso practico
3.5. Aplicación del proceso CRISP-Dm
3.6. Elaboración de un plan de proyecto