Scribd
Cargar
31 vistas3 páginas

Investigacion

La minería de datos ha emergido como una disciplina clave en el ámbito empresarial, relacionada con el Aprendizaje Automático y la Inteligencia Artificial, y se distingue de la estadística tradicional. Este trabajo explora las raíces estadísticas de la minería de datos, su aplicación en la medición de audiencias de TV y su potencial para resolver problemas tanto empresariales como científicos. Se concluye que la minería de datos no es una moda pasajera, sino una extensión de prácticas estadísticas que puede mejorar la eficiencia organizacional.

Cargado por

deyber romero
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
31 vistas3 páginas

Investigacion

La minería de datos ha emergido como una disciplina clave en el ámbito empresarial, relacionada con el Aprendizaje Automático y la Inteligencia Artificial, y se distingue de la estadística tradicional. Este trabajo explora las raíces estadísticas de la minería de datos, su aplicación en la medición de audiencias de TV y su potencial para resolver problemas tanto empresariales como científicos. Se concluye que la minería de datos no es una moda pasajera, sino una extensión de prácticas estadísticas que puede mejorar la eficiencia organizacional.

Cargado por

deyber romero
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

Título: La minería de datos

Autor: TOMA` S ALUJA


Índice de factor de impacto: 0.135
Traducción del Resumen: En la última década se había planteado un nuevo
concepto en el aspecto empresarial: datos minería. Algunas empresas han creado
unidades de minería de datos directamente vinculadas. A la dirección de CRM y
en los foros profesionales sesiones de minería de datos. Han ganado atractivo. La
minería de datos ha aparecido como una nueva disciplina vinculada. Al
Aprendizaje Automático, la Inteligencia Artificial y las Bases de Datos, claramente
Diferenciado de la estadística. Por otro lado, en el bien establecido, el mundo de la
estadística, la minería de datos ha sido vista como la última moda de un
Tendencia mal conocida de la pesca de datos y el dragado de datos. ¿Es
realmente así? En este trabajo nos centraremos en las raíces estadísticas de los
datos. minería, intentaremos hacer una descripción general del alcance real de la
minería de datos, Presentaremos una aplicación en la medida de audiencia de TV
y Dar algunas ideas para el próximo futuro.
Traducción de Reflexión: La experiencia práctica muestra claramente la aptitud de
las técnicas de minería de datos para resolver problemas empresariales. También
es clara su aportación para resolver problemas científicos que impliquen el
tratamiento de grandes cantidades de datos. La minería de datos es, en realidad,
una prolongación de una práctica estadística de larga tradición, la de Análisis de
Datos.
Conclusión del Autor: en nuestra opinión de que la minería de datos no es una
moda pasajera, sino que se entronca en una vieja tradición estadística y que cada
vez más debe servir para hacer más eficiente el funcionamiento de las
organizaciones modernas, ayudar a resolver problemas científicos y ampliar los
horizontes de la Estadística.
Objetivos Específicos:

 Mostrar las diferentes técnicas que se pueden usar en una minería de datos.
 Distinguir el tipo de problema que se presente para así usar la técnica
correcta.
 Crear mediante la minería de datos una forma de prevé un problema.
 Explicar cada una de las técnicas de la minería de datos.
 Emplear un buen uso de la minería de datos.

Traducción de la bibliografía:

Adriaans, P. y Zantige, D. (1996). Minería de datos. Addison-Wesley.


Aluja, T. y Morineau, A. (1999). Aprender de los datos: el análisis de los
componentes
Principales, una aproximación a la minería de datos. EUB. Barcelona.
Aluja, T. y Nafria, E. (1996). «Segmentación automática por árboles de decisión».
Actas
en Estadísticas Computacionales COMPSTAT 1996, ed. A. Prat. Physica Verlag.
Aluja, T. y Nafria, E. (1998a). «Medidas de impureza robusta en los árboles de
decisión». Datos
Ciencia, Clasificación y métodos relacionados, ed. C. Hayashi, N. Ohsumi, K.
Yajima,
Y. Tanaka, H-H. Bock y Y. Baba. Saltador.
Aluja, T. y Nafria, E. (1998b). «Medidas de impureza generalizadas y diagnóstico de
datos en
árboles de decisión". Visualización de datos categóricos, ed. J¨org Blasius y M.
Greenacre.
Prensa Académica.
Aluja, T. (2000). «Los nuevos retos de la estadística, el Data Mining». Investigacion
en
Marketing, 68, 3, 34-38. AEDEMO.
Benz´ecri, J.-P. y col. (1973). La Taxinomie, vol. Yo, L’Analyse des
Correspondances,

También podría gustarte