Guía docente de Minería de Datos: Preprocesamiento y Clasificación (M51/56/3/6)

Curso 2022/2023
Fecha de aprobación por la Comisión Académica 05/07/2022

Máster

Máster Universitario en Ciencia de Datos e Ingeniería de Computadores

Módulo

Módulo de Nivelación de Conocimientos

Rama

Ingeniería y Arquitectura

Centro Responsable del título

Escuela Internacional de Posgrado

Semestre

Primero

Créditos

4

Tipo

Optativa

Tipo de enseñanza

Presencial

Profesorado

  • Salvador García López
  • Antonio González Muñoz
  • Julián Luengo Martín
  • Daniel Molina Cabrera

Horario de Tutorías

Salvador García López

Email
  • Tutorías 1º semestre
    • Lunes 10:30 a 12:00 (Mect (F Cienicas))
    • Martes 10:00 a 12:00 (Mect (F Ciencias))
    • Miércoles 10:00 a 12:00 (Mect (F Cienicas))
  • Tutorías 2º semestre
    • Lunes 13:00 a 13:30 (D26 Etsiit)
    • Martes 9:00 a 12:00 (D26 Etsiit)

Antonio González Muñoz

Email
  • Tutorías 1º semestre
    • Martes 8:30 a 11:30 (D40 Etsiit)
    • Jueves 8:30 a 11:30 (D40 Etsiit)
  • Tutorías 2º semestre
    • Martes 8:00 a 11:30 (D40 Etsiit)
    • Jueves 8:00 a 9:30 (D40 Etsiit)
    • Viernes 17:30 a 18:30 (D40 Etsiit)

Julián Luengo Martín

Email
  • Tutorías 1º semestre
    • Miércoles 11:00 a 14:00 (Mect (F Ciencias))
    • Jueves 9:00 a 11:30 (Mect (F Ciencias))
    • Jueves 13:30 a 14:00 (Mect (F Ciencias))
  • Tutorías 2º semestre
    • Lunes 10:30 a 13:30 (Fo16 Etsiit)
    • Martes 10:30 a 13:30 (Fo16 Etsiit)

Daniel Molina Cabrera

Email
  • Tutorías 1º semestre
    • Lunes 10:30 a 12:30 (Fo15 Etsiit)
    • Jueves 10:30 a 12:30 (Fo15 Etsiit)
    • Viernes 10:30 a 12:30 (Fo15 Etsiit)
  • Tutorías 2º semestre
    • Martes 10:00 a 13:00 (Fo15 Etsiit)
    • Miércoles 10:00 a 13:00 (Fo15 Etsiit)

Breve descripción de contenidos (Según memoria de verificación del Máster)

  • Regresión no Lineal. Modelos avanzados.
  • Árboles de Decisión,  Bagging, Boosting y Random Forest. Algoritmos para la obtención de Reglas.
  • Máquinas soporte vectorial (SVM).
  • Preprocesamiento de Datos. Discretización, Datos Perdidos, Reducción de la Dimensionalidad. Selección de Modelos Lineales y Regularización. Análisis de Componentes Principales (PCA).

Prerrequisitos y/o Recomendaciones

Sin requisitos previos.

Competencias

Competencias Básicas

  • CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Generales

  • CG01. Capacidad de acceso y gestión de la información 
  • CG02. Capacidad de análisis y síntesis 
  • CG03. Capacidad de organización y planificación 
  • CG04. Capacidad emprendedora 
  • CG05. Capacidad para tomar decisiones de forma autónoma 
  • CG07. Motivación por la calidad 
  • CG08. Capacidad para trabajar en equipo 

Competencias Específicas

  • CE03. Capacidad para la aplicación de técnicas y metodologías que permitan abordar desde nuevas perspectivas los problemas de interés, gracias a la disponibilidad de las plataformas de computación y comunicación con altos niveles de prestaciones. 
  • CE04. Capacidad de análisis de aplicaciones en ámbitos de biomedicina y bioinformática, optimización y predicción, control avanzado, y robótica bioinspirada, tanto desde el punto de vista de los requisitos para una implementación eficaz de los algoritmos y las técnicas de computación que se usan para abordarlas, como de las características deseables en las arquitecturas donde se ejecutan 
  • CE05. Capacidad para modelar y resolver problemas reales o académicos mediante técnicas de ciencia de datos 
  • CE06. Capacidad para modelar y resolver problemas reales o académicos mediante tecnologías inteligentes o de inteligencia computacional. 
  • CE08. Conocer algunas de las principales aplicaciones de la ciencia de datos y de las tecnologías inteligentes 

Competencias Transversales

  • CT01. Ser consciente de la importancia del desarrollo sostenible y demostrar sensibilidad medioambiental. 
  • CT02. Ser consciente del derecho a la no discriminación y al acceso universal al conocimiento de las personas con discapacidad. 

Resultados de aprendizaje (Objetivos)

El alumno aprenderá cómo resolver problemas de clasificación en minería de datos, aplicando las distintas técnicas conocidas para la etapa de modelado, así como técnicas de preprocesamiento de datos en aquellos problemas en los que la etapa de preprocesamiento sea necesaria o recomendable.

En particular, el alumno: 

  • Conocerá y manejará las diferentes técnicas de preprocesamiento de datos existentes para la selección, limpieza, enriquecimiento, reducción y transformación de datos mediante discretización, tratamiento de datos perdidos, reducción de la dimensionalidad, selección y regularización de modelos, etc.
  • Conocerá y manejará técnicas de modelado a partir de datos para clasificación como la regresión no lineal, SVMs, Árboles de Decisión y Random Forest. También tendrá conocimientos básicos sobre técnicas como el Bagging, el Boosting y los algoritmos para la obtención de reglas.

Al mismo tiempo y de manera práctica el alumno deberá:

  • Saber aplicar las técnicas anteriormente mencionadas para modelar y resolver problemas reales o académicos
  • Conocer las principales herramientas software existentes para modelar y resolver problemas de clasificación a partir de datos.

Programa de contenidos Teóricos y Prácticos

Teórico

  • Tema 1. Modelos no lineales.
  • Tema 2. Árboles de decisión. Multiclasificadores.
  • Tema 3. Descomposición de problemas multiclase.
  • Tema 4. Aprendizaje de reglas.
  • Tema 5. Máquinas soporte vectorial (SVM).
  • Tema 6. Preprocesamiento de datos.

Práctico

  • Sesión 1: Análisis de modelos
  • Sesión 2: Regresión logística
  • Sesión 3: Árboles y reglas
  • Sesión 4: Visualización
  • Sesión 5: Máquinas de soporte vectorial
  • Sesión 6: Preprocesamiento

Bibliografía

Bibliografía fundamental

Bibliografía complementaria

  • "Data Preprocessing in Data Mining". Salvador García, Julián Luengo, Francisco Herrera. Springer, 2015.
  • "Data Preparation for Data Mining". Dorian Pyle. Morgan Kaufmann, 1999.
  • "Data Mining: Concepts and Techniques. Jiawei Han, Jian Pei, Micheline Kamber, 2011."

Enlaces recomendados

Metodología docente

  • MD01 Lección magistral/expositiva 
  • MD02 Resolución de problemas y estudio de casos prácticos 
  • MD03 Prácticas de laboratorio 
  • MD04 Seminarios 
  • MD05 Análisis de fuentes y documentos 
  • MD06 Realización de trabajos en grupo 
  • MD07 Realización de trabajos individuales 

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

La evaluación ordinaria de la asignatura consta de dos pruebas.

La evaluación de la parte teórica, seminarios y otras actividades se realizará mediante la participación grupal (cinco estudiantes por grupo, preferentemente) en competiciones Kaggle o DrivenData relacionadas con problemas de clasificación sencillos que requieran preprocesamiento de datos (un total del 70% de la nota final). La evaluación requerirá de una confección de una memoria, una presentación y defensa del trabajo realizado. La fecha de defensa se realizará en Febrero, y se podrá emplear horas de dedicación docente de la asignatura no impartidas en el horario convencional que se trasladarán a la fecha concretada para que se pueda establecer un tiempo determinado y necesario para realizar el trabajo.

La evaluación de la parte práctica se realizará mediante la entrega de una actividad que comprenda un conjunto de ejercicios sobre el empleo de técnicas de minería de datos y procesamiento de datos en conjuntos de dats específicos y se establecerá un protocolo de corrección participativo entre el estudiantado y los profesores. Esta nota comprenderá el 30% sobre la nota final.

Evaluación Extraordinaria

El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.

En las convocatorias extraordinarias se utilizará el mismo procedimiento de evaluación que en la evaluación única final, tal y como se describe en el siguiente apartado.

Evaluación única final

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas.

Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases, lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.

La evaluación en tal caso consistirá en:

  • Evaluación de la Parte Teórica, Seminarios y otras actividades (70% de la calificación): exámenes finales o parciales, sesiones de evaluación y entregas de ejercicios sobre el desarrollo y los resultados de las actividades propuestas.
  • Evaluación de la Parte Práctica (30% de la calificación): se realizarán resolución de problemas y desarrollo de proyectos individuales. Se valorarán las entregas de los informes/memorias realizados por los estudiantes, así como su posible defensa.

La evaluación consistirá en realizar un trabajo teórico/práctico similar al que se hace en evaluación ordinaria, pero considerando un trabajo individual, autónomo, compensado y reducido por ello.

Información adicional

La participación activa en clase podrá ser tenida en cuenta en el sistema de evaluación continua.