Introduce el texto aquí

Introduce el texto aquí

1. Aplicaciones

   • Dependiendo de la calidad de base de datos, la empresa y giro, el tipo de modelo y técnicas que se le apliquen a los datos y su correcta interpretación, su aplicación es diversa:
     • Comercio y banca: segementación de clientes, previsión de ventas, análisis de riesgo.
     • Medicina y Farmacia: diagnostico de enfermedades y la efectividad de los tratamientos.
     • Seguridad y detección de fraude: reconocimiento facial, identificaciones biométricas, accesos a redes no permitidos, etc.
     • Recuperación de información no numeríca: minería de texto, minería web, búsqueda e identificación de imagen, video, voz y texto de bases de datos multimedia
     • Astronomía: identificación de nuevas estrellas y galaxias
     • Geología, minería, agricultura y pesca: identificación de áreas de uso para distintos cultivos o de pesca o de explotación minera en bases de datos de imágenes de satelites
     • Ciencias Ambientales: identificación de modelos de funcionamiento de ecosistemas naturales y/o artificiales (p.e. plantas depuradoras de aguas residuales) para mejorar su observación, gestión y/o control.
     • Ciencias Sociales: Estudio de los flujos de la opinión pública. Planificación de ciudades: identificar barrios con conflicto en función de valores sociodemográficos.

2. Antecedentes

   • Termino acuñado en 1989
   • Los trabajos iniciales se centraba en la MD (mineria de datos), sin embargo, los demás pasos son importantes para el éxito de las aplicaciones del KDD.
   • Definición: Un sinónimo del análisis inteligente de datos y, sobre todo, del descubrimiento de conocimiento en bases de datos, concepto con el cual si existen diferencias profundas.

3. ¿Qué es?

   • Los sistemas KDD incorporan teorias, algoritmos y métodos de otras áreas.
   • El KDD se alimenta y desarrolla en conjunto con: bases de datos, aprendizaje automático (Machine learning), reconocimiento de patrones, estadística, teoría de la información, inteligencia artificial, razonamiento con incertidumbre, visualización de datos y computación de altas prestaciones.
   • El descubrimiento de conocimiento en bases de datos (KDD) se define como el proceso de identificar patrones significativos en los datos que sean válidos, novedosos, potencialmente útiles y comprensibles para un usuario.
   • Todo proceso de extracción de conocimiento a partir de una base de datos

4. Importancia

   • Extracción de conocimiento útil para la toma de decisiones de la empresa
   • La inversión de recursos en el área de TI, particularmente en la administración y aprovechamiento de bases de datos (KDD), les brinda una ventaja competitiva, ya que de esta forma las empresas que obtengan CONOCIMIENTO de estas bases, podrán orientar de una forma más específica y rentable sus esfuerzos, ya sea en segmentar mercados, clientes; redefinir campañas mercadológicas, mejoras en productos, servicios y/o procesos, etc.
   • Debido a la geneación de gran información digital en las últimas décadas y su constante aumento, las empresas deben aprovechar esta información para su beneficio, reduciendo costos y aumentando sus ganacias.

5. Técnicas relacionadas

   • Las técnicas asociadas al KDD, tienen que ver directamente con uno de sus procesos o tareas: La minería de datos. Las técnicas de minería de datos crean modelos que son: 1.Descriptivos y/ o 2. Predictivos.
     • 2. Un modelo predictivo: Responde preguntas sobre datos futuros. Algunas técnicas de este tipo son:
       • Árboles de decisión
       • Regresión
       • Inducción neuronal
       • Series temporales
     • 1. Un modelo descriptivo: Proporciona información sobre las relaciones entre datos y sus características. Algunas técnicas de este tipo son:
       • Detección de desviaciones
       • Reglas de asociación
       • Segmentación
       • Agrupamiento (Clustering)
       • Patrones secuenciales

6. ·

   • Fases
     • 1.Integración y recopilación de datos
       • Un almacenaje y estructura eficiente de los datos es muy importantes para su representación y acceso.
       • Data warehousing
         • 2. Determinación de la forma de obtención de dichas fuentes de información
         • Integración de la información desde diversas bases de datos: internas, externas y públicas.
         • 1. Determinación de fuentes de datos útiles
         • 3. Homologación del formato de la información recolectada, detectando y resolviendo las inconsistencias
         • 4. Generación de un almacén de datos
     • 2. Selección, limpieza y transformación de datos
       • Después de laintegración y recopilación se debe seleccionar y prepara los datos que van a ser minados. este paso consta de las siguientes tareas:
         • Eliminación y/o corrección de datos incorrectos
         • Selección de la estrategia de los datos incompletos y faltantes
         • Determinación de variables y/o atributos relevantes para el proceso de minería de datos
         • Construcción de atributos
         • Determinación de muestras estadísticas a ser utilizadas
     • 4. Evalcuación e interpretación de los datos
       • La evaluación puede constar de diversos criterios, sin embargo se enfoca en :
         • Que sea preciso, comprensible, útil y novedoso,
         • Métodos utilizados: 1.Validación simple, 2. Validación cruzada (validación cruzada con n pliegues) ó 3. bootstrapping
         • Dependiendo de la técnica de Minería de datos utilizada, se pueden aplicar:
           • Evaluación de patrones y análisis por parte de los expertos
           • Evaluación y entendimiento del contexto real en el cual se utilizará al modelo
           • Retroalimentación hacia fases anteriores del proceso KDD
         • Comprensibilidad
           • Una característica muy utilizada en términos de evaluación de los datos es: la denominada COMPRENSIBILIDAD, es decir que el modelo obtenido sea comprensible
         • Eficiencia
           • Puede ser que una vez obtenidos los datos, sean: demasiados, muy complejos o que simplemente el modelo sea dificil de comprender. En este caso se aplciarían de nuevo diferentes algoritmos a los datos para obtener mayor eficiencia en los mismos.
         • Expresividad
           • Es decir, que sea posible comunicar toda la información relevante para una tarea de análisis de datos.
     • 5. Difusión y uso
       • El fin de la difusión, monitoreo y uso del nuevo conocimiento obtenido de todo el proceso sirve para:
         • Recomendación de acciones basadas en el modelo y sus resultados
         • Incorporación a otras aplicaciones (filtros de spam, sistemas de análisis de créditos bancarios, etc.).
         • Adaptación del modelo a nuevas condiciones en el contexto organizacional
     • 3. MD (Mineria de datos)
       • Es un campo interdisciplinario con el objetivo de predecir las salidas y revelar relaciones entre los datos.El objetivo es la generación de datos (NUEVO CONOCIMIENTO) para beneficio de la empresa, a través de la aplicación de algoritmos para la extracción de patrones de los datos.
         • Determinación de las tareas a llevar a cabo.
           • Predictivas
             • Regresión
             • Clasificación
           • Descriptivas
             • Agrupamiento (clustering)
             • correlación
             • Reglas de asociación
             • Reglas de asociación secuenciales
         • Determinación del método a ser utilizado.
         • Selección del algoritmo de minería de datos que resuelva la tarea y obtenga el modelo deseado

7. Proceso

   • El KDD se centra en el proceso global de descubrir conocimiento de grandes volúmenes de datos, incluyendo el almacenaje y acceso a tales datos, escalado de algoritmos a bases de datos masivas, interpretación y visualización de resultados, y el modelado y soporte de la interacción general hombre máquina.
   • 1. Comprender el dominio de aplicación: este paso incluye el conocimiento relevante previo y las metas de la aplicación.
   • 2. Extraer la base de datos objetivo: recogida de los datos, evaluar la calidad de los datos y utilizar análisis exploratorio de los datos para familiarizarse con ellos.
   • 3. Preparar los datos: incluye limpieza, transformación, integración y reducción de datos. Se intenta mejorar la calidad de los datos a la vez que disminuir el tiempo requerido por el algoritmo de aprendizaje aplicado posteriormente.
   • 4. Minería de datos: como se ha señalado anteriormente, este es la fase fundamental del proceso. Está constituido por una o más de las siguientes funciones, clasificación, regresión, clustering, resumen, recuperación de imágenes, extracción de reglas, etc.
     • Por mucho, el paso más importante del proceso, ya que este paso, se aplica a los datos ya preparados, la técnica que va a producir los datos que se traducirán en conocimientos para su posterior interpretación.
   • 5. Interpretación: explicar los patrones descubiertos, así como la posibilidad de visualizarlos.
   • 6. Utilizar el conocimiento descubierto: hacer uso del modelo creado.