Ingeniería del conocimiento

Bibliografía:

1. Gonzalo Pajares Martinsanz y Matilde Santos Peñas (2006). Inteligencia artificial e ingeniería del conocimiento. Alfaomega Ra-Ma.

2. Stuart Russell y Peter Norvig (2004). Segunda edición, Pearson - Prentice Hall.

3. ...

Semana 1.....................................

Actividad 1. Elaborar un ensayo, en donde el estudiante establezca la diferencia entre dato, información y conocimiento. En el ensayo el alumno deberá elaborar un cuadro comparativo con al menos 3 definiciones de cada caso y agregar la suya propia. Agregar referencias bibliográficas utilizadas. Por entregar en digital (pdf) el viernes 27 de enero.

Actividad 2. Leer el capítulo 1 del libro de Introducción a la Minería de Datos que se encuentra en biblioteca, se tomará participación en la comprensión de la lectura. Por analizar el viernes 27 de enero. Firma 1 sobre resumen o cuestionario de 8 preguntas.

Semana 2.....................................

Actividad 3. Investigar qué es el OLTP, Data Warehouse y Olap. Reportar en su libreta las diferencias entre ellos. Revisado el día 1 feb.

• Descargar e instalar el programa Weka. Link = http://www.cs.waikato.ac.nz/ml/weka/downloading.html.

Actividad 4. Del libro de Introducción a la Minería de datos [1] leer el capítulo 2 y resolver las siguientes cuestiones:

1. ¿Cuáles son las fases del proceso de extracción de conocimiento?
2. En qué consiste cada fase del KDD.
3. ¿Qué es un almacén de datos y para qué se emplean?
4. Diferencia entre minería de datos (MD) y OLAP.
5. ¿Para qué se lleva a cabo la fase de selección, limpieza y transformación?
6. ¿Qué es un outlier?
7. ¿Qué significa seleccionar atributos relevantes?
8. ¿Qué tipos de transformaciones pueden llevarse a cabo en los datos (describir)?
9. ¿Cuál es el objetivo de la fase de minería de datos y cuáles son los pasos para llevar a cabo esta fase?
10. ¿En qué consiste la tarea de clasificación?
11. ¿En qué consiste la tarea de regresión?
12. ¿En qué consiste la tarea de agrupamiento?
13. ¿En qué consisten las reglas de asociación?

Semana 3.....................................

Práctica 1. Usar Weka y realizar la práctica siguiente, en la cuál comprobarán el uso de la opción de prueba no revisada en clase - proporcionar conjunto de test (Supplied test set). Resolver lo que se les pregunta. Entregar resultados el día 15 de febrero.

*********************** Examen 15 de febrero ***********************

Tarea 1. Buscar un repositorio con datos históricos y transformarlo al formato arff de Weka. A partir del repositorio seleccionado, el estudiante deberá verificar que los datos se encuentren etiquetados, y deberá plantear preguntas predictivas sobre el giro de los datos.

Actividad 1. Programa que permita crear archivos arff a partir de una interfaz gráfica y de la lectura de los datos desde la interfaz gráfica. Los datos del archivo deben coincidir con el repositorio que van a utilizar para llevar a cabo la práctica 1. Realizada el 8 de marzo.

Práctica 1. Implementar un sistema inteligente que permita predecir información a partir de datos históricos. Pueden usar NetBeans ó algún otro lenguaje de programación y conectarlo con Weka. Es necesario obtener un modelo computacional usando datos de entrenamiento. Su aplicación debe permitir crear un archivo arff de prueba, mismo que deberá utilizarse para obtener la predicción. El estudiante decide cuál va a ser el medio por el cuál se le informará al usuario el resultado de la predicción de los datos proporcionados. Revisión final con reporte de la práctica el 15 de marzo.

Actividad 2. Exposición del capítulo 3 páginas 45-68 del libro de Inteligencia Artificial (bibliografía [2]). Dividirse el contenido del capítulo y exponerlo en la clase del día miércoles 15 de marzo.

Tarea 2. Leer el capítulo 5 del libro de Inteligencia Artificial (bibliografía [2]), se tomará participación. Por revisar el viernes 17  de marzo.