Créditos: 3
Objetivos: Ante el problema de los grandes volúmenes
de información se plantea la necesidad de nuevas técnicas
y herramientas para un análisis inteligente y automático
de la información. La extracción de conocimiento a partir
datos se basa en técnicas inductivas y de aprendizaje
automático y su uso se ha generalizado a diferentes
áreas, desde la tradicional extracción de modelos a
partir de bases de datos (minería de datos), hasta
ámbitos relativamente más novedosos como la
combinación de modelos y decisiones, la minería web, los
sistemas recomendadores, y otras áreas de la ingeniería
del software. En este curso nos centraremos en las técnicas de
aprendizaje que generan modelos comprensibles o, especialmente, en
forma de reglas, ya que estos, aparte de permitir una mayor
inteligibilidad, proporcionan una integración sencilla con
sistemas software, sistemas basados en el conocimiento y sistemas de
información en general.
1. Introducción.
1.1. El Problema de la
Extracción Automática de Conocimiento.
1.2. Relación de Tareas
y Técnicas.
1.3. Técnicas que
generan modelos comprensibles.
1.4. El caso de la minería de datos.
2. Integración y Adaptación de
Modelos
2.1. Técnicas y Medidas
de Evaluación
2.2. Análisis ROC
2.3. Combinación de Modelos
3.
Extracción de Conocimiento a Partir
de Información No Estructurada. Minería Web.
3.1. Los Problemas de la
Extracción de Conocimiento de Información No Estructurada.
3.2. Extracción de
Conocimiento a partir de Documentos No Estructurados (Text Mining, Web
Content Mining y Web Structure Mining).
3.3. Extracción de
Conocimiento a partir de Información
Semi-Estructurada (XML).
3.4. Extracción de
Conocimiento a partir de Patrones de Uso (Web Usage Mining).
3.5. Personalización y
Sistemas Recomendadores.