Inteligencia de Negocio

Curso 2018-2019

La asignatura Inteligencia de Negocio, impartida en el grado en Ingeniería Informática (especialidad en Sistemas de Información), se centrará el estudio y diseño de técnicas de extracción de conocimiento utilizadas en el área de Business Analytics.

La entrega de prácticas y gestión de grupos se realiza a través de https://decsai.ugr.es

Teoría:

Día Horario Aula Profesor
Lunes 11:30-13:30 1.8 F. Herrera

 

Transparencias de la asignatura:

  • Presentación y planificación de la asignatura
    • Presentación Pdf
    • Planificación  Pdf
  • Tema 1. Introducción a la Inteligencia de Negocio Pdf
  • Tema 2. Minería de Datos Pdf
  • Tema 3. Modelos de Predicción: clasificación, regresión y series temporales 
    1. Clasificación Pdf
    2. Regresión 
    3. Series temporales
  • Tema 4. Preparación de Datos Pdf
  • Tema 5. Modelos de Agrupamiento o Segmentación
  • Tema 6. Modelos de Asociación
  • Tema 7. Modelos Avanzados de Minería de Datos
    • Parte I
    • Parte II
    • Deep Learning
    • Análisis de sentimientos
  • Tema 8. Big Data

 

Prácticas:

El horario de clases prácticas durante este curso es el siguiente:

Día Horario Laboratorio Profesor
Lunes 9:30-11:30 3.3 J. Casillas
Miércoles 9:30-11:30 3.2 J. Casillas

 

Material de prácticas:

  • Práctica 1. Resolución de problemas de clasificación y preprocesado básico. Visualización. Análisis experimental (KNIME, Weka) Pdf
  • Práctica 2. Resolución de problemas de segmentación mediante clustering. Visualización (Python, scikit-learn, matplotlib, SciPy) 
  • Práctica 3. Competición en Kaggle (Python, XGBoost, LightGBM, Grid Search, Boruta...) 

Seminarios:

  • Seminario 1. Herramientas de Business Intelligence. Herramientas comerciales y de código abierto Pdf
  • Seminario 2. Herramientas de Minería de Datos: KNIME y Weka
    • Introducción a KNIME Pdf
    • Manual básico de KNIME Pdf
    • KNIME para principiantes Pdf
    • Manual de Weka 3.8.1 Pdf
  • Seminario 3. Problemas de clasificación. Aspectos prácticos. Pdf
  • Seminario 4. Visualización para análisis exploratorio de datos
  • Seminario 5. Ciencia de datos con Python
  • Seminario 6. Problemas de segmentación. Aspectos prácticos
  • Seminario 7. Preprocesado y clasificación avanzados. Aspectos prácticos

 

Evaluación

 

 

Enlaces de interés. Blogs, noticias, artículos de interés:

 

  • Blogs y websites de interés
BzST | Business Analytics, Statistics, Technology A blog by Prof. Galit Shmueli
KDnuggets News on Analytics, Big Data, Data Mining
Kaggle: The Home of Data Science
  • Links a material complementario en la WEB
Aprender R

Otros documentos de apoyo:

  • Tema 1. Introducción a la Inteligencia de Negocio
  • Tema 2. Retos en Inteligencia de Negocio
  • Tema 3. Minería de Datos
  • Tema 4. Modelos de Predicción: clasificación, regresión y series temporales
  • Tema 5. Preparación de Datos
  • Tema 6. Modelos de Agrupamiento o Segmentación
  • Tema 7. Modelos de Asociación
  • Tema 8. Modelos Avanzados de Minería de Datos
  • Tema 9. Big Data

Enlaces de software:

Tutorías:

El horario de tutorías de los profesores de la asignatura durante este curso es el siguiente:

Page Maintained by J. Maillo, S. Gonzalez and J. Casillas