Sistemas Inteligentes para la Gestión de la Empresa

Curso 2016-2017

La asignatura Sistemas Inteligentes para la Gestión de la Empresa comprende el estudio de técnicas de inteligencia de negocio analítica, prestando atención a la resolución de problemas de análisis inteligente de datos reales del ámbito de la empresa y la ingeniería. Esta asignatura se complementa con la asignatura del primer cuatrimestre Análisis Inteligente de Datos.

Teoría:

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

Día Horario Aula Profesor
Lunes 18:30-20:00 1.6 F. Herrera

 

Transparencias de la asignatura:

  • Presentación. Pdf
  • Tema 1. Introducción a la Ciencia de Datos Pdf
    • Ciencia de datos.
  • Tema 2. Depuración y Calidad de Datos Pdf
    • Preprocesamiento de datos
  • Tema 3. Análisis Predictivo para la Empresa PdfPdfPdf
    • Modelos predictivos avanzados de clasificación
  • Tema 4. Análisis de Transacciones y Mercados
    • Descubrimiento de patrones y subgrupos
  • Tema 5. Modelos Avanzados de Analítica para la Empresa
    • Visualización de datos
    • Minería de textos
    • Minería de medios sociales
  • Tema 6. Big Data Pdf
    • Introducción a big data
    • Tecnologías de big data. Ecosistema Hadoop
  • Tema 7. Aplicaciones de la Ciencia de Datos en la Empresa.

Prácticas:

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

Día Horario Laboratorio Profesor
Lunes 20:00-21:30 2.1 Juan Gómez

 

Seminarios:

  • Seminario 1. Herramienta de análisis predictivo: KNIME. PdfZip
  • Seminario 2. Herramientas de predicción, depuración y calidad de datos (Paquetes en R, CRAM). PdfPdfPdfPdf PdfPdfPdfPdfPdfPdf
  • Seminario 3. Visualización y Herramienta (Tableau).

 

Casos Prácticos:

  • Caso práctico 1. Predicción con datos con el dataset adult.
    • adult (formato R) Pdf
    • adult_descripcion Pdf
    • adult.tra.keel.dat Pdf
    • adult.tst.keel.dat Pdf

 

Guiones de Prácticas:

  • Práctica 1: Predicción con datos del TITANIC (Entrega: 26 de Abril) Pdf
  • Práctica 2: Predicción múltiples clases en la plataforma KAGGLE (Entrega: Junio)PdfPdfPdfPdf

 

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 Ciencia de Datos 
    • Ciencia de datos.
  • Tema 2. Depuración y Calidad de Datos
  • Tema 3. Análisis Predictivo para la Empresa
    • Modelos predictivos avanzados de clasificación
  • Tema 4. Análisis de Transacciones y Mercados
    • Descubrimiento de patrones y subgrupos
  • Tema 5. Modelos Avanzados de Analítica para la Empresa
    • Visualización de datos
    • Minería de textos
    • Minería de medios sociales
  • Tema 6. Big Data
    • Introducción a big data
    • Tecnologías de big data. Ecosistema Hadoop
  • Tema 7. Aplicaciones de la Ciencia de Datos en la Empresa

Enlaces de software:

Tutorías:

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

Profesor Día Horario Despacho
F. Herrera Lunes 9:30-13:30 D34 (4ª planta ETSIIT)
F. Herrera Martes 9:30-11:30 D34 (4ª planta ETSIIT)
J. Gómez Lunes 18:00-20:00 DB-3 (CITIC)

Page Maintained by J. Maillo and S. González