UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO

PROGRAMA DE ESTUDIOS
FACULTAD DE CIENCIAS DE LA INGENIERÍA
CARRERA: Ingeniería en Sistemas
SÍLABO: ANALISIS INTELIGENTE DE DATOS

1. CÓDIGO Y NÚMERO DE CRÉDITOS:

Código: AID651
Número de créditos: 5

2. DESCRIPCIÓN DE LA UNIDAD DE APRENDIZAJE:

El Análisis de Datos Inteligente se abarca la extracción de conocimiento a partir de
datos. Es un nuevo modelo de tratamiento de los datos que integra numerosas técnicas
de análisis y extracción de modelos. Esta unidad de aprendizaje describe este
paradigma, explicando, de una manera metodológica y pragmática, el proceso en su
conjunto, sus motivaciones y beneficios, y estableciendo conexiones con las disciplinas
relacionadas y los sistemas con los que debe integrarse.

3. PRE-REQUISITOS Y CO-REQUISITOS:
Pre-requisito: Probabilidad y Estadística
Cálculo Diferencial e Integral
Modelamiento de Datos

Co-requisito:

4. TEXTOS Y OTRAS REFERENCIAS BIBLIOGRÁFICAS:

Bibliografía básica:
 Ian, Witten; Eibe, Frank; Mark, Hall. DATA MINING Practical Machine Learning
Tools and Techniques. Elseiver. San Francisco, 2011.

Bibliografía complementaria:
 Zdravkomarkov and Daniel t. Larose. DATA MINING THE WEB. Willey.
2007 , 978-0-471-66655-4.
 Data.Mining. A.Knowledge.Discovery.Approach, Springer, 2007.

5. OBJETIVO GENERAL
Entender el proceso de minería de datos en un marco de descubrimiento de
conocimiento a través de las fases de preparación de datos, minería de datos y
evaluación.
 UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO
PROGRAMA DE ESTUDIOS

6. RESULTADOS DE APRENDIZAJE (OBJETIVOS ESPECÍFICOS DE

APRENDIZAJE )

Resultado del Aprendizaje Nivel Forma de evidenciarlo

Resolver el problema de la valides de los El estudiante utiliza métodos de

datos para lograr un correcto depuración de datos. Se utiliza el
A
procesamiento de los mismo. Rattler desde el entorno R para
lograr este propósito.

Resolver el análisis de los datos por El estudiante es capaz de aplicar

medio de la técnica adecuada seleccionada
previamente. De tal forma que sus
resultados sean de utilidad para la toma de
decisiones.
los distintos métodos de análisis
de datos utilizando el entorno R
A mediante scripts. También es
capaz de utilizar el motor de
inferencias Rattler.

Resolver problemas de interpretación de El estudiante es capaz de evaluar

resultados que los distintos métodos los distintos cuadros de
aplicados podrían expresar. A resultados y gráficos capaz de
que con la información obtenida
pueda tomar decisiones.

7. TEMAS DE LA UNIDAD DE APRENDIZAJE

Tareas previas/ lecturas

CONTENIDOS HORAS
obligatorias

Tema I:
Introducción al datamining y al LECTURA:
- DATA MINING Practical Machine Learning Tools
proceso de extracción de and Techniques. Capítulo 1.
conocimiento.
ACTIVIDADES EN CLASE
 Objetivos de la Minería de Datos.
- Trabajo grupal (Taller): Encuestas
 Diferentes tipos de problemas a los - Uso del entorno R
cuales se puede aplicar la minería de - Uso de IDE RStudio para programar scripts
10 - Evaluación parcial escrita del Tema 1.
datos.
 Aplicaciones comerciales
TAREAS ENVIADAS:
(propensión/scoring, retención, venta - Consultar las aplicaciones de código abierto que
cruzada). trabajen con análisis inteligente de datos.
 Aplicaciones no-comerciales (pronóstico
y diagnóstico médico, aplicaciones
industriales).
 Técnicas generales usadas por el
análisis de los datos (predicción,
clasificación, clustering).
 UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO
PROGRAMA DE ESTUDIOS
Tema II:
El proceso de análisis de datos
inteligente
 Comprensión del Problema.
 Comprensión de los datos.
 Preparación de los datos.
 Minería de datos.
 Herramientas de minería de datos.
 Evaluación
 Implementación
Tema III
Preparación de datos
 Analizar los problemas que puedan
surgir con datos reales y plantear
soluciones para ellos.
 Selección de variables.
 Muestreo, selección de registros.
 Análisis de correlación.
 Análisis factorial. Creación de nuevas
variables, agregación de variables.
 Tratamiento de datos imperfectos.
Tema IV
Minería de datos
 Introducción.
 Modelización estadística.
 Técnicas de clasificación y predicción
de datos.
 Reglas de asociación y dependencia.
 Métodos bayesianos.
 Modelización mediante árboles de
decisión.
 Modelización con técnicas
bioinspiradas.
 Clustering.
Tema V
Evaluación e interpretación
 Técnicas de evaluación.
 Combinación de modelos.
 Interpretación, difusión y uso
modelos.
LECTURA:
- DATA MINING Practical Machine Learning Tools
and Techniques. Capítulo 2.
.
ACTIVIDADES EN CLASE
10 - Uso del entorno R
- Uso de IDE RStudio para programar scripts
basados en estadística descriptiva
- Evaluación parcial escrita del Tema 2.
TAREAS ENVIADAS:
- Ampliar los temas tratados en el Capítulo 2
LECTURA:
- DATA MINING Practical Machine Learning Tools
and Techniques. Capítulo 3.
ACTIVIDADES EN CLASE
- Uso del entorno R
16
- Uso de IDE RStudio para programar scripts
para análisis de correlación
- Evaluación parcial escrita del Tema 3.
TAREAS ENVIADAS:
- Ampliar los temas tratados en el Capítulo 3
LECTURA:
- DATA MINING Practical Machine Learning Tools
and Techniques. Capítulo 4.
ACTIVIDADES EN CLASE
- Uso del entorno R
- Uso de IDE RStudio para programar scripts
para clasificación
- Uso de IDE RStudio para programar scripts
20 para predicción
- Uso de IDE RStudio para programar scripts
para métodos bayesianos
- Uso de IDE RStudio para programar scripts
para árboles de decisión
- Uso de IDE RStudio para programar scripts
para clustering
- Evaluación parcial escrita del Tema 5.
TAREAS ENVIADAS:
- Ampliar los temas tratados en el Capítulo 5
LECTURA:
- DATA MINING Practical Machine Learning Tools
and Techniques. Capítulo 5.
8
ACTIVIDADES EN CLASE
de - Uso del entorno R
- Uso de IDE RStudio para programar scripts y
comparar algoritmos
- Evaluación parcial escrita del Tema 5.
 UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO
PROGRAMA DE ESTUDIOS

TAREAS ENVIADAS:
- Ampliar los temas tratados en el Capítulo 5

8. HORARIO DE CLASE/LABORATORIO

HORAS PRESENCIALES TOTAL HORAS

H/Teóricas H/Prácticas SEMANALES

4 4

9. CONTRIBUCIÓN DE LA UNIDAD DE APRENDIZAJE EN LA FORMACIÓN DEL

PROFESIONAL

Esta unidad de aprendizaje permite al estudiante adquirir una metodología que le

permita detectar qué técnicas son más fiables de donde el estudiante desarrollara
habilidades y destrezas para la comprensión de la unidad de aprendizaje se abordan 6
temas elementales: Introducción al datamining y al proceso de extracción de
conocimiento, el proceso de análisis de datos inteligente, Preparación de datos, Minería
de Datos, Evaluación e interpretación, Sistemas, Herramientas y aplicaciones de la
minería de datos.

10. METODOLOGIA ENSEÑANZA – APRENDIZAJE

 El estudiante deberá preparar el tema previamente a su asistencia a clases
 Consultas puntuales podrán ser realizadas al profesor mediante el uso del correo
institucional
 El estudiante deberá realizar trabajo independiente relacionado a los contenidos de
la unidad de aprendizaje
 El profesor actuará como facilitador, es obligatoriedad del estudiante traer preparado
los temas correspondientes a la sesión de trabajo de forma que se pueda establecer
intercambio de opciones sobre los temas a tratar
 La cuota de participación de los estudiantes será evaluado de acuerdo a la calidad
de los aportes que realicen en la discusión de clase

11. CONDUCTA Y COMPORTAMIENTO ÉTICO

 UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO
PROGRAMA DE ESTUDIOS

Los estudiantes del curso se comprometen a:

 Ser puntuales con el horario de clases y exámenes.

 Toda falta de honradez en la elaboración en las tareas a realizar, invalidará la tarea
 Respeto en todo momento a las autoridades, docente, compañeros y personal
administrativo y de servicios.
 El aula se mantendrá limpia y ordenada.
 Los trabajos deben evidenciar citas y referencia bibliográficas de los autores
consultados.
 La poca o ninguna colaboración de los integrantes de los grupos de trabajo debe ser
reportado. De lo contrario será sancionado con la nota de cero en dicho trabajo.
 Los trabajos no pueden sufrir postergaciones.
 En todo momento y lugar dentro o fuera del horario de formación, se exigirá del
estudiante:
o Respeto a quién esté en uso de la palabra, es decir, esperando a que el
moderador/profesor le permita hablar.
o Tolerancia a puntos de vista distintos a los suyos, siempre que estos se
encuadren en las normas de la ética profesional.
o Reconocer el valor y la importancia de los instrumentos, equipos, mobiliario e
instalaciones dentro del Campus de la Universidad, de forma que, los mantiene
en óptimas condiciones de limpieza, operación y funcionamiento.
o Restringir el uso de los equipos informáticos y el uso de Internet a las tareas
establecidas por el profesor.
o Mantener equipos electrónicos, tales como, celulares, reproductores y similares,
que puedan interrumpir el normal desenvolvimiento de la clase correctamente
apagados y guardados.

12. EVALUACIÓN DE LA UNIDAD DE APRENDIZAJE:

Primer Corte Segundo Corte
Tipo Evaluaciones Total
Evaluativo Evaluativo
PARTICIPACIÓN EN CLASE 2 2
Evaluaciones LECCIONES 6 6
30%
Frecuentes DEBERES 2 2
OTROS 3 3
PRUEBAS PARCIALES 2 2
Evaluaciones
Parciales
INFORMES 3 3 30%
OTROS 2 2
Examen Final 40%
Calificación Final 100%
13. RESPONSABLE DE LA ELABORACIÓN DEL SÍLABO DE LA UNIDAD DE
APRENDIZAJE Y FECHA DE ELABORACIÓN:
 UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO
PROGRAMA DE ESTUDIOS

Ariosto Vicuña Pino

Grado Académico: Ing. En Computación, especialización sistemas
tecnológicos.
Master en Marketing
Máster en Bibliotecologia y Documentación Científica
Correo: avicuna@uteq.edu.ec tiranosauro@hotmail.com
Responsable(s) de la Curriculum:
- Ex Director de la biblioteca 2009-2013
elaboración :
- Docente de la UTEQ Docente desde el 2008
- Docente de las asignaturas: Sistemas operativos, Programación
orientada a objetos, Análisis y diseño de sistemas orientados a
objetos , análisis inteligente de datos, proyectos informáticos,
proyectos on line.

Fecha de elaboración: 22 de julio del 2013

Fecha de última revisión
22 de julio del 2013
y corrección