Análisis De Información y Minería De Datos Para La Toma De Decisiones

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Rocket clouds
Análisis De Información y Minería De Datos Para La Toma De Decisiones por Mind Map: Análisis De Información y Minería De Datos Para La Toma De Decisiones

1. Técnicas de la Minería de Datos

1.1. Las técnicas de la minería de datos provienen de la inteligencia artificial y de la estadística, dichas técnicas, no son más que algoritmos, más o menos sofisticados que se aplican sobre un conjunto de datos para obtener resultados.

1.1.1. Tareas Predictivas: Tratan de problemas y tareas en lo que se predicen uno o más valores. 1- Clasificación. 2- Clasificación suave. 3- Estimación de probabilidad 4- Categorización. 5- Priorización. 6- Regresión.

1.1.2. Tareas Descriptivas: Buscan describir con los datos que ya se cuentan a su disposición. 1- Agrupamiento. 2- Correlaciones. 3- Reglas de asociación. 4- Dependencias funcionales. 5- Detección de valores.

2. Información

2.1. La información es el conjunto de datos organizados y procesados que constituyen mensajes, instrucciones, operaciones y funciones, en pocas palabras es lo que hacer relevante a quien lo recibe.

3. OLAP

3.1. OLAP son bases de datos orientadas al procesamiento analítico. Este análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer algún tipo de información útil

4. Inteligencia de negocios

4.1. La inteligencia de negocios es la habilidad que tienen las empresas para transformar los datos en información y a la vez información en conocimientos, con el fin de ayudar a la toma de decisiones.

5. Dato

5.1. Los datos indican condiciones o situaciones que por sí solos no aportan ninguna información importante, es en conjunto de la observación y la experiencia que un dato puede tomar cierto valor instruccional.

6. Proceso KDD

6.1. Knowledge Discovery implica la evaluación e interpretación de patrones y modelos para tomar decisiones con respecto a lo que constituye conocimiento y lo que no lo es. Por lo tanto, el KDD requiere de un amplio y profundo conocimiento sobre tu área de estudio.

6.1.1. Proceso KDD 1. Selección de datos. 2. Limpieza de datos. 3. Integración de datos. 4. Transformación de datos. 5. Reducción de datos. 6. Minería de datos. 7. Evaluación de los patrones. 8. Interpretación de resultados.

7. Minería de Datos

7.1. Es un campo de la estadística y las ciencias de la computación referido al proceso que intenta descubrir patrones en grandes volúmenes de conjuntos de datos.

7.1.1. Utiliza los métodos de la inteligencia artificial, aprendizaje automático, estadística y sistemas de bases de datos.

8. Try MeisterTask!