Minería de Datos

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Minería de Datos por Mind Map: Minería de Datos

1. Estimar resultados desconocidos

2. Clasificación

2.1. Modelado descriptivo

2.1.1. Similitudes en datos históricos

2.1.1.1. Éxito

2.1.1.2. Fracaso

2.1.2. Técnicas de muestra

2.1.2.1. Agrupación

2.1.2.2. Detección de anomalías

2.1.2.3. Aprendizaje de reglas de asociación

2.1.2.4. Análisis de componentes principales

2.1.2.5. Agrupación de afinidad

2.2. Modelado predictivo

2.2.1. Clasificación de eventos en el futuro

2.2.2. Algunos usos:

2.2.2.1. Respuesta de campaña

2.2.2.2. Valores predeterminados de crédito

2.2.3. Rotación de clientes

2.2.4. Técnicas de muestra

2.2.4.1. Regresión

2.2.4.2. Redes neuronales

2.2.4.3. Árboles de desición

2.2.4.4. Máquinas de vectores de soporte

2.3. Modelado prescriptivo

2.3.1. Capacidad de analizar, transformar datos no estructurados

2.3.2. Técnicas de muestra

2.3.2.1. Análisis predictivo más reglas

2.3.2.2. Optimización de marketing

3. Importancia:

3.1. Alto volumen de datos

3.1.1. Información no relevante

3.1.2. Cada dos años se duplica

3.1.3. No necesariamente se convierte en conocimiento

3.2. Permite discriminar

3.2.1. Información relevante

3.3. Genera conocimientos a partir de datos

4. Multidisciplinaria

4.1. Estadística

4.2. Inteligencia Artificial

4.3. Machine Learning

4.3.1. Aprendizaje supervisado

4.3.2. Aprendizaje no supervisado

5. Impacto

5.1. Beneficios para diferentes industruas como:

5.1.1. Comunicación

5.1.1.1. Generando campañas más eficientes y dirigidas

5.1.2. Seguros

5.1.2.1. Disminuir las probabilidades de fraude

5.1.2.2. Mejorar los tiempos de respuesta a los clientes

5.1.3. Educación

5.1.3.1. Predecir el rendimiento de los estudiantes para enfocarse en los que lo requieran

5.1.4. Fabricación

5.1.4.1. Alinear suministro con demanda

5.1.4.2. Anticipar mantenimiento

5.1.4.3. Maximizar el tiempo de operación de las máquinas