Certificado Profesional · Impartido por University of Illinois Urbana-ChampaignPago único de $4,990 MXN · acceso por 12 meses

Minería de datos

Analizar texto, descubrir patrones, visualizar datos

Certificado con validez SEPA través del Gobierno del Estado de México

12 meses de acceso En línea · 240 h 100% autodidacta 37 unidades Nivel intermedio

Inscribirme — $4,990 MXN Explorar programa

Modalidad

Así estudias: curso autodidacta

Autodidacta y 100% en línea: contenido disponible 24/7.
Avanzas a tu ritmo: la plataforma guarda tu progreso.
Sin tutor ni clases en vivo: el curso está diseñado para estudiarse por tu cuenta.
Te evalúas con actividades automáticas, sin entregas a un tutor.

Qué aprenderás

Lo que serás capaz de hacer

La Specializations Data Mining enseña técnicas de minería de datos tanto para datos estructurados que se ajustan a un esquema claramente definido, como para datos no estructurados que existen en forma de texto en lenguaje natural. Los temas específicos del curso incluyen el descubrimiento de patrones, la agrupación, la recuperación de textos, la minería y el análisis de textos, y la visualización de datos. La tarea del proyecto Capstone consiste en resolver retos de minería de datos del mundo real utilizando un conjunto de datos de reseñas de restaurantes de Yelp. Los cursos 2 - 5 de esta Specializations forman el componente lectivo de los cursos del Máster en línea en Ciencia de Datos. Puede solicitar el ingreso en el programa de grado antes o después de comenzar la Specializations.

Habilidades que desarrollarás

Visualización de datos Software de visualización de datos Minería de textos Presentación de datos Minería de datos Tablero Software Tableau Gráfica (gráficos) Creación de tableros Procesamiento de lenguaje natural Mapeo de datos Análisis estadístico Elaboración de gráficas Macrodatos Toma de decisiones basada en datos Analítica Análisis de datos Métodos estadísticos Probabilidad y estadística Evaluación de modelos

Temario

UNIDAD 1 - Orientación del curso · 8 lecciones

Visualización de datos - UNIDAD 1 - Orientación del curso

Bienvenido a la visualización de datosLectura · 10 min
Plan de estudiosLectura · 10 min
Acerca de los foros de debateLectura · 10 min
Actualizar su perfilLectura · 10 min
Redes socialesLectura · 10 min
RecursosLectura · 10 min
Cuestionario de orientaciónCuestionario · 30 min
Bienvenido! Háblenos de ustedActividad · 15 min

UNIDAD 2 - Semana 1: El ordenador y el ser humano · 18 lecciones

Visualización de datos - UNIDAD 2 - Semana 1: El ordenador y el ser humano

Resumen de la semana 1Lectura · 10 min
Semana 1 IntroducciónVideo · 12 min
Cómo funcionan las tareas de programaciónLectura · 10 min
1.1.1. Algunos libros sobre visualización de datosVideo · 3 min
1.1.2. Visión general de la visualizaciónVideo · 11 min
1.2.1. gráficos 2DVideo · 11 min
Ejemplo SVGVideo · 2 min
1.2.2. dibujo 2DVideo · 10 min
1.2.3. gráficos 3DVideo · 9 min
1.2.4. FotorrealismoVideo · 10 min
1.2.5. No fotorrealismoVideo · 6 min
1.3.1. El ser humanoVideo · 10 min
1.3.2. MemoriaVideo · 13 min
1.3.3. RazonamientoVideo · 7 min
1.3.4. La retina humanaVideo · 10 min
1.3.5. Percibir dos dimensionesVideo · 8 min
1.3.6. Percepción de la perspectivaVideo · 8 min
Cuestionario de la semana 1Cuestionario · 30 min

UNIDAD 3 - Semana 2: Visualización de datos numéricos · 15 lecciones

Visualización de datos - UNIDAD 3 - Semana 2: Visualización de datos numéricos

Resumen de la 2ª semanaLectura · 10 min
Semana 2 IntroducciónVideo · 3 min
2.1.1. DatosVideo · 8 min
2.1.2. CartografíaVideo · 9 min
2.1.3. GráficosVideo · 9 min
2.2.1. Glifos (Parte 1)Video · 5 min
2.2.1. Glifos (2ª parte)Video · 6 min
2.2.2. Coordenadas paralelasVideo · 9 min
2.2.3. Gráficos apilados (Parte 1)Video · 6 min
2.2.3. Gráficos apilados (2ª parte)Video · 6 min
2.3.1. Las reglas de diseño de TufteVideo · 12 min
2.3.2. Uso del colorVideo · 11 min
Tarea de programación 1: Visualizar datos mediante un gráficoLectura · 10 min
Programación Asignación 1 RúbricaLectura · 10 min
Programación Asignación 1Proyecto · 2 h

UNIDAD 4 - Semana 3: Visualización de datos no numéricos · 12 lecciones

Visualización de datos - UNIDAD 4 - Semana 3: Visualización de datos no numéricos

Resumen de la semana 3Lectura · 10 min
Semana 3 IntroducciónVideo · 1 min
3.1.1. Grafos y redesVideo · 8 min
3.1.2. Incrustación de grafos planosVideo · 12 min
3.1.3. Visualización de gráficosVideo · 14 min
3.1.4. Mapas de árbolesVideo · 9 min
3.2.1. Análisis de componentes principalesVideo · 8 min
3.2.2. Escala multidimensionalVideo · 7 min
3.3.1. EmbalajeVideo · 13 min
Programación Asignación 2: Visualizar los datos de la redLectura · 10 min
Programación Asignación 2 RúbricaLectura · 10 min
Programación Asignación 2Proyecto · 2 h

UNIDAD 5 - Semana 4: El panel de visualización · 12 lecciones

Visualización de datos - UNIDAD 5 - Semana 4: El panel de visualización

Resumen de la semana 4Lectura · 10 min
Semana 4 IntroducciónVideo · 1 min
4.1.1. Sistemas de visualizaciónVideo · 3 min
4.1.2. El mantra de la visualización de la información: Parte 1Video · 9 min
4.1.2. El mantra de la visualización de la información: Parte 2Video · 9 min
4.1.2. El mantra de la visualización de la información: Parte 3Video · 6 min
4.1.3. Visualización de bases de datos Parte: 1Video · 12 min
4.1.3. Visualización de bases de datos Parte: 2Video · 8 min
4.1.3. Visualización de bases de datos Parte: 3Video · 10 min
4.2.1. Diseño del sistema de visualizaciónVideo · 14 min
Cuestionario de la semana 4Cuestionario · 30 min
Nuevo elemento del pluginActividad · 15 min

UNIDAD 6 - Orientación · 11 lecciones

Recuperación de textos y motores de búsqueda - UNIDAD 6 - Orientación

¡Bienvenido a Recuperación de textos y motores de búsqueda!Lectura · 10 min
Plan de estudiosLectura · 10 min
Acerca de los foros de debateLectura · 10 min
Actualizar su perfilLectura · 10 min
Redes socialesLectura · 10 min
Erratas del cursoLectura · 10 min
Vídeo de bienvenida al cursoVideo · 3 min
Vídeo de introducción al cursoVideo · 12 min
Cuestionario de orientaciónCuestionario · 15 min
PrecuestionarioCuestionario · 30 min
Bienvenido Háblenos de usted.Actividad · 15 min

UNIDAD 7 - Semana 1 · 9 lecciones

Recuperación de textos y motores de búsqueda - UNIDAD 7 - Semana 1

Resumen de la semana 1Lectura · 10 min
Lección 1.1: Análisis del contenido del lenguaje naturalVideo · 21 min
Lección 1.2: Acceso al textoVideo · 9 min
Lección 1.3: Problema de recuperación de textoVideo · 26 min
Lección 1.4: Visión general de los métodos de recuperación de textosVideo · 10 min
Lección 1.5: Modelo de espacio vectorial - Idea básicaVideo · 10 min
Lección 1.6: Modelo de recuperación de espacio vectorial - Instanciación más sencillaVideo · 18 min
Semana 1 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 1Cuestionario · 1 h

UNIDAD 8 - Semana 2 · 9 lecciones

Recuperación de textos y motores de búsqueda - UNIDAD 8 - Semana 2

Resumen de la 2ª semanaLectura · 10 min
Lección 2.1: Modelo de espacio vectorial - Instanciación mejoradaVideo · 17 min
Lección 2.2: Transformación de la TFVideo · 10 min
Lección 2.3: Normalización de la longitud de los documentosVideo · 19 min
Lección 2.4: Implantación de sistemas de TRVideo · 21 min
Lección 2.5: Implementación del sistema - Construcción de índices invertidosVideo · 18 min
Lección 2.6: Implementación del sistema - Búsqueda rápidaVideo · 17 min
Semana 2 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 2Cuestionario · 1 h

UNIDAD 9 - Semana 3 · 11 lecciones

Recuperación de textos y motores de búsqueda - UNIDAD 9 - Semana 3

Resumen de la semana 3Lectura · 10 min
Lección 3.1: Evaluación de los sistemas de TRVideo · 10 min
Lección 3.2: Evaluación de los sistemas de TR - Medidas básicasVideo · 13 min
Lección 3.3: Evaluación de sistemas de TR - Evaluación de listas clasificadas - Parte 1Video · 16 min
Lección 3.4: Evaluación de sistemas TR - Evaluación de listas ordenadas - Parte 2Video · 10 min
Lección 3.5: Evaluación de los sistemas de TR - Juicios a varios nivelesVideo · 11 min
Lección 3.6: Evaluación de los sistemas de TR - Cuestiones prácticasVideo · 15 min
Semana 3 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 3Cuestionario · 1 h
Resumen de las tareas de programaciónLectura · 10 min
Programación Asignación 1Lectura · 3 h

UNIDAD 10 - Semana 4 · 10 lecciones

Recuperación de textos y motores de búsqueda - UNIDAD 10 - Semana 4

Resumen de la semana 4Lectura · 10 min
Lección 4.1: Modelo probabilístico de recuperación - Idea básicaVideo · 13 min
Lección 4.2: Modelo de lenguaje estadísticoVideo · 18 min
Lección 4.3: Función de recuperación de la probabilidad de consultaVideo · 12 min
Lección 4.4: Modelo de lenguaje estadístico - Parte 1Video · 12 min
Lección 4.5: Modelo de lenguaje estadístico - Parte 2Video · 10 min
Lección 4.6: Métodos de suavizado - Parte 1Video · 10 min
Lección 4.7: Métodos de suavizado - Parte 2Video · 13 min
Semana 4 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 4Cuestionario · 1 h

UNIDAD 11 - Semana 5 · 11 lecciones

Recuperación de textos y motores de búsqueda - UNIDAD 11 - Semana 5

Resumen de la 5ª semanaLectura · 10 min
Lección 5.1: La retroalimentación en la recuperación de textosVideo · 7 min
Lección 5.2: Retroalimentación en el modelo de espacio vectorial - RocchioVideo · 12 min
Lección 5.3: Retroalimentación en la recuperación de textos - Retroalimentación en LMVideo · 19 min
Lección 5.4: Búsqueda en la Web: Introducción y rastreador webVideo · 11 min
Lección 5.5: Indexación webVideo · 17 min
Lección 5.6: Análisis de enlaces - Parte 1Video · 9 min
Lección 5.7: Análisis de enlaces - Parte 2Video · 18 min
Lección 5.8: Análisis de enlaces - Parte 3Video · 6 min
Semana 5 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 5Cuestionario · 1 h

UNIDAD 12 - Semana 6 · 15 lecciones

Recuperación de textos y motores de búsqueda - UNIDAD 12 - Semana 6

Resumen de la 6ª semanaLectura · 10 min
Lección 6.1: Aprender a clasificar - Parte 1Video · 6 min
Lección 6.2: Aprender a clasificar - Parte 2Video · 10 min
Lección 6.3: Aprender a clasificar - Parte 3Video · 5 min
Lección 6.4: El futuro de la búsqueda en la WebVideo · 13 min
Lección 6.5: Sistemas de recomendación: Filtrado basado en contenidos - Parte 1Video · 13 min
Lección 6.6: Sistemas de recomendación: Filtrado basado en contenidos - Parte 2Video · 11 min
Lección 6.7: Sistemas de recomendación: Filtrado colaborativo - Parte 1Video · 6 min
Lección 6.8: Sistemas de recomendación: Filtrado colaborativo - Parte 2Video · 12 min
Lección 6.9: Sistemas de recomendación: Filtrado colaborativo - Parte 3Video · 5 min
Lección 6.10: Resumen del cursoVideo · 10 min
Semana 6 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 6Cuestionario · 1 h
¿Qué tal el curso?Actividad · 15 min
Programación Asignación 2Lectura · 3 h

UNIDAD 13 - Orientación · 10 lecciones

Minería y análisis de textos - UNIDAD 13 - Orientación

Bienvenido a Text Mining and AnalyticsLectura · 10 min
Plan de estudiosLectura · 15 min
Acerca de los foros de debateLectura · 15 min
Actualizar su perfilLectura · 10 min
Redes socialesLectura · 10 min
Introducción a la minería y el análisis de textosVideo · 8 min
Requisitos previos y realización del cursoVideo · 7 min
Cuestionario de orientaciónCuestionario · 15 min
PrecuestionarioCuestionario · 30 min
Bienvenido Háblenos de usted.Actividad · 15 min

UNIDAD 14 - Semana 1 · 12 lecciones

Minería y análisis de textos - UNIDAD 14 - Semana 1

Resumen de la semana 1Lectura · 10 min
1.1 Panorama general Minería y análisis de textos: Parte 1Video · 12 min
1.2 Panorámica Minería y análisis de textos: Parte 2Video · 12 min
1.3 Análisis del contenido del lenguaje natural: Parte 1Video · 13 min
1.4 Análisis del contenido del lenguaje natural: Parte 2Video · 4 min
1.5 Representación de textos: Parte 1Video · 11 min
1.6 Representación de textos: Parte 2Video · 9 min
1.7 Minería y análisis de asociaciones de palabrasVideo · 16 min
1.8 Descubrimiento de relaciones paradigmáticas Parte 1Video · 15 min
1.9 Descubrimiento de relaciones paradigmáticas Parte 2Video · 18 min
Semana 1 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 1Cuestionario · 1 h

UNIDAD 15 - Semana 2 · 13 lecciones

Minería y análisis de textos - UNIDAD 15 - Semana 2

Resumen de la 2ª semanaLectura · 10 min
2.1 Descubrimiento de relaciones sintagmáticas: EntropíaVideo · 11 min
2.2 Descubrimiento de relaciones sintagmáticas: Entropía condicionalVideo · 12 min
2.3 Descubrimiento de relaciones sintagmáticas: La información mutua: Parte 1Video · 14 min
2.4 Descubrimiento de relaciones sintagmáticas: La información mutua: Parte 2Video · 10 min
2.5 Minería y análisis de temas: Motivación y definición de tareasVideo · 8 min
2.6 Minería y análisis de temas: El término como temaVideo · 12 min
2.7 Minería y análisis de temas: Modelos temáticos probabilísticosVideo · 14 min
2.8 Modelos temáticos probabilísticos: Visión general de los modelos estadísticos del lenguaje: Parte 1Video · 10 min
2.9 Modelos temáticos probabilísticos: Visión general de los modelos estadísticos del lenguaje: Parte 2Video · 13 min
2.10 Modelos temáticos probabilísticos: Extracción de un temaVideo · 12 min
Semana 2 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 2Cuestionario · 1 h

UNIDAD 16 - Semana 3 · 15 lecciones

Minería y análisis de textos - UNIDAD 16 - Semana 3

Resumen de la semana 3Lectura · 10 min
3.1 Modelos temáticos probabilísticos: Mezcla de modelos lingüísticos de unigramaVideo · 13 min
3.2 Modelos temáticos probabilísticos: Estimación de Modelos de Mezclas: Parte 1Video · 10 min
3.3 Modelos temáticos probabilísticos: Estimación de Modelos de Mezcla: Parte 2Video · 8 min
3.4 Modelos temáticos probabilísticos: Algoritmo de maximización de expectativas: Parte 1Video · 11 min
3.5 Modelos temáticos probabilísticos: Algoritmo de maximización de expectativas: Parte 2Video · 11 min
3.6 Modelos temáticos probabilísticos: Algoritmo de maximización de expectativas: Parte 3Video · 6 min
3.7 Análisis semántico latente probabilístico (PLSA): Parte 1Video · 11 min
3.8 Análisis semántico latente probabilístico (PLSA): Parte 2Video · 10 min
3.9 Asignación de Dirichlet Latente (LDA): Parte 1Video · 10 min
3.10 Asignación de Dirichlet Latente (LDA): Parte 2Video · 12 min
Semana 3 Cuestionario prácticoCuestionario · 1 h
Cuestionario Cuestionario de la semana 3Cuestionario · 1 h
Resumen de las tareas de programaciónLectura · 10 min
ProgramaciónLectura · 6 h

UNIDAD 17 - Semana 4 · 12 lecciones

Minería y análisis de textos - UNIDAD 17 - Semana 4

Resumen de la semana 4Lectura · 10 min
4.1 Agrupación de textos: MotivaciónVideo · 16 min
4.2 Agrupación de textos: Modelos probabilísticos generativos Parte 1Video · 16 min
4.3 Agrupación de textos: Modelos probabilísticos generativos Parte 2Video · 9 min
4.4 Agrupación de textos: Modelos probabilísticos generativos Parte 3Video · 15 min
4.5 Agrupación de textos: Enfoques basados en la similitudVideo · 18 min
4.6 Agrupación de textos: EvaluaciónVideo · 10 min
4.7 Categorización de textos: MotivaciónVideo · 15 min
4.8 Categorización de textos: MétodosVideo · 12 min
4.9 Categorización de textos: Modelos probabilísticos generativosVideo · 31 min
Semana 4 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 4Cuestionario · 1 h

UNIDAD 18 - Semana 5 · 10 lecciones

Minería y análisis de textos - UNIDAD 18 - Semana 5

Resumen de la 5ª semanaLectura · 10 min
5.1 Categorización de textos: Clasificador discriminativo Parte 1Video · 21 min
5.2 Categorización de textos: Clasificador discriminativo Parte 2Video · 32 min
5.3 Categorización de textos: Evaluación Parte 1Video · 14 min
5.4 Categorización de textos: Evaluación Parte 2Video · 11 min
5.5 Minería de opiniones y análisis de sentimiento: MotivaciónVideo · 18 min
5.6 Minería de opiniones y análisis de sentimiento: Clasificación de sentimientosVideo · 12 min
5.7 Minería de opiniones y análisis de sentimiento: Regresión logística ordinalVideo · 14 min
Semana 5 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 5Cuestionario · 1 h

UNIDAD 19 - Semana 6 · 12 lecciones

Minería y análisis de textos - UNIDAD 19 - Semana 6

Resumen de la 6ª semanaLectura · 10 min
6.1 Minería de Opinión y Análisis de Sentimiento: Análisis de Valoración de Aspectos Latentes Parte 1Video · 15 min
6.2 Minería de Opinión y Análisis de Sentimiento: Análisis de Valoración de Aspectos Latentes Parte 2Video · 15 min
6.3 Predicción basada en textoVideo · 12 min
6.4 Minería contextual de textos: MotivaciónVideo · 7 min
6.5 Minería contextual de textos: Análisis semántico latente probabilístico contextualVideo · 18 min
6.6 Minería contextual de textos: Extracción de temas con el contexto de las redes socialesVideo · 15 min
6.7 Minería contextual de textos: Minería de Temas Casuales con Supervisión de Series TemporalesVideo · 20 min
6.8 Resumen del cursoVideo · 19 min
Semana 6 Cuestionario prácticoCuestionario · 1 h
Cuestionario de la semana 6Cuestionario · 1 h
¿Qué tal el curso?Actividad · 15 min

UNIDAD 20 - Orientación del curso · 6 lecciones

Descubrimiento de patrones en la minería de datos - UNIDAD 20 - Orientación del curso

Introducción al cursoVideo · 7 min
Plan de estudiosLectura · 10 min
Acerca de los foros de debateLectura · 10 min
Redes socialesLectura · 10 min
Cuestionario de orientaciónCuestionario · 30 min
Bienvenido Háblenos de usted.Actividad · 15 min

UNIDAD 21 - Módulo 1 · 14 lecciones

Descubrimiento de patrones en la minería de datos - UNIDAD 21 - Módulo 1

Resumen de la lección 1Lectura · 10 min
1.1. ¿Qué es el descubrimiento de patrones? ¿Por qué es importante?Video · 3 min
1.2. Patrones frecuentes y reglas de asociaciónVideo · 6 min
1.3. Representación comprimida: Patrones cerrados y patrones máximosVideo · 7 min
Lección 1 CuestionarioCuestionario · 30 min
Resumen de la lección 2Lectura · 10 min
2.1. La propiedad de cierre descendente de los patrones frecuentesVideo · 4 min
2.2. El algoritmo AprioriVideo · 6 min
2.3. Extensiones o mejoras de AprioriVideo · 8 min
2.4. Extracción de patrones frecuentes explorando el formato vertical de los datosVideo · 4 min
2.5. FPGrowth: Un enfoque de crecimiento de patronesVideo · 8 min
2.6. Extracción de patrones cerradosVideo · 4 min
Cuestionario de la lección 2Cuestionario · 30 min
Extracción de conjuntos de elementos frecuentes mediante AprioriLectura · 3 h

UNIDAD 22 - Módulo 2 · 13 lecciones

Descubrimiento de patrones en la minería de datos - UNIDAD 22 - Módulo 2

Resumen de la lección 3Lectura · 10 min
3.1. Limitación del marco apoyo-confianzaVideo · 3 min
3.2. Medidas de interés: Elevación y χ2Video · 6 min
3.3. Medidas de invarianza nulasVideo · 5 min
3.4. Comparación de medidas nulas invariantesVideo · 8 min
Lección 3 CuestionarioCuestionario · 30 min
Resumen de la lección 4Lectura · 10 min
4.1. Extracción de asociaciones multinivelVideo · 5 min
4.2. Extracción de asociaciones multidimensionalesVideo · 3 min
4.3. Extracción de asociaciones cuantitativasVideo · 5 min
4.4. Extracción de correlaciones negativasVideo · 6 min
4.5. Extracción de patrones comprimidosVideo · 7 min
Lección 4 CuestionarioCuestionario · 30 min

UNIDAD 23 - Módulo 3 · 14 lecciones

Descubrimiento de patrones en la minería de datos - UNIDAD 23 - Módulo 3

Resumen de la lección 5Lectura · 10 min
5.1. Patrón secuencial y minería de patrones secuencialesVideo · 7 min
5.2. GSP: Minería de patrones secuenciales basada en AprioriVideo · 3 min
5.3. SPADE-Minería de patrones secuenciales en formato de datos verticalesVideo · 4 min
5.4. Minería de patrones prefijo-span-secuencial por crecimiento de patronesVideo · 5 min
5.5. CloSpan-Minería de patrones secuenciales cerradosVideo · 4 min
Lección 5 CuestionarioCuestionario · 30 min
Resumen de la lección 6Lectura · 10 min
6.1. Extracción de asociaciones espacialesVideo · 5 min
6.2. Extracción de patrones de colocación espacialVideo · 9 min
6.3. Extracción y agregación de patrones en trayectorias múltiplesVideo · 10 min
6.4. Extracción de patrones de movimiento ricos en semánticaVideo · 3 min
6.5. Patrones de movimientos periódicos minerosVideo · 7 min
Lección 6 CuestionarioCuestionario · 30 min

UNIDAD 24 - Semana 4 · 15 lecciones

Descubrimiento de patrones en la minería de datos - UNIDAD 24 - Semana 4

Resumen de la lección 7Lectura · 10 min
7.1. De la minería de patrones frecuentes a la minería de frasesVideo · 4 min
7.2. Métodos anteriores de minería de frasesVideo · 11 min
7.3. ToPMine: Minería de frases sin datos de entrenamientoVideo · 12 min
7.4. SegPhrase: Minería de frases con conjuntos de entrenamiento minúsculosVideo · 14 min
Lección 7 CuestionarioCuestionario · 30 min
Extracción de patrones secuenciales contiguos en el textoLectura · 3 h
Resumen de la lección 8Lectura · 10 min
8.1. Minería de patrones frecuentes en flujos de datosVideo · 20 min
8.2. Descubrimiento de patrones para la extracción de errores de softwareVideo · 12 min
8.3. Descubrimiento de patrones para el análisis de imágenesVideo · 6 min
8.4. Temas avanzados sobre descubrimiento de patrones: Minería de Patrones y Sociedad-PrivacidadVideo · 14 min
8.5. Temas avanzados sobre el descubrimiento de patrones: Mirando hacia el futuroVideo · 5 min
Lección 8 CuestionarioCuestionario · 30 min
¿Qué tal el curso?Actividad · 15 min

UNIDAD 25 - Orientación del curso · 6 lecciones

Análisis de conglomerados en minería de datos - UNIDAD 25 - Orientación del curso

Introducción al cursoVideo · 7 min
Plan de estudiosLectura · 10 min
Acerca de los foros de debateLectura · 10 min
Redes socialesLectura · 10 min
Cuestionario de orientaciónCuestionario · 30 min
Bienvenido Háblenos de usted.Actividad · 15 min

UNIDAD 26 - Módulo 1 · 17 lecciones

Análisis de conglomerados en minería de datos - UNIDAD 26 - Módulo 1

Resumen de la lección 1Lectura · 10 min
1.1. Qué es el análisis de conglomeradosVideo · 2 min
1.2. Aplicaciones del análisis de conglomeradosVideo · 2 min
1.3 Requisitos y desafíosVideo · 5 min
1.4 Una categorización multidimensionalVideo · 2 min
1.5 Una visión general de las metodologías de agrupación típicasVideo · 7 min
1.6 Una visión general de la agrupación de diferentes tipos de datosVideo · 7 min
1.7 Una visión general de las percepciones de los usuarios y la agrupación de usuariosVideo · 3 min
Lección 1 CuestionarioCuestionario · 30 min
Resumen de la lección 2Lectura · 10 min
2.1 Conceptos básicos: Medición de la similitud entre objetosVideo · 3 min
2.2 Distancia sobre datos numéricos Distancia de MinkowskiVideo · 7 min
2.3 Medida de proximidad para variables binarias simétricas frente a asimétricasVideo · 5 min
2.4 Distancia entre atributos categóricos Atributos ordinales y tipos mixtosVideo · 4 min
2.5 Medida de proximidad entre dos vectores Similitud del cosenoVideo · 3 min
2.6 Medidas de correlación entre dos variables Covarianza y coeficiente de correlaciónVideo · 14 min
Cuestionario de la lección 2Cuestionario · 30 min

UNIDAD 27 - Semana 2 · 20 lecciones

Análisis de conglomerados en minería de datos - UNIDAD 27 - Semana 2

Resumen de la lección 3Lectura · 10 min
3.1 Métodos de agrupación basados en la particiónVideo · 3 min
3.2 Método de agrupación K-MeansVideo · 9 min
3.3 Inicialización de la agrupación K-MeansVideo · 5 min
3.4 El método de agrupación K-MedoidsVideo · 7 min
3.5 Los métodos de agrupación K-Medians y K-ModesVideo · 6 min
3.6 Kernel K-Means ClusteringVideo · 8 min
Lección 3 CuestionarioCuestionario · 30 min
Implementación del algoritmo de agrupación K-meansLectura · 3 h
Lección 4 Parte 1 Visión generalLectura · 10 min
4.1 Métodos de agrupación jerárquicaVideo · 2 min
4.2 Algoritmos de agrupación aglomerativaVideo · 8 min
4.3 Algoritmos de agrupación divisivaVideo · 3 min
4.4 Extensiones a la agrupación jerárquicaVideo · 3 min
4.5 BIRCH: Un enfoque basado en la microagrupaciónVideo · 7 min
ClusterEnG IntroducciónLectura · 10 min
Visión general de ClusterEnGVideo · 5 min
ClusterEnG: K-Means y K-MedoidesVideo · 3 min
Aplicación ClusterEnG: AGNESVideo · 4 min
Aplicación ClusterEnG: DBSCANVideo · 3 min

UNIDAD 28 - Semana 3 · 13 lecciones

Análisis de conglomerados en minería de datos - UNIDAD 28 - Semana 3

Lección 4 Parte 2 Visión generalLectura · 10 min
4.6 CURE: Agrupación mediante representantes bien dispersosVideo · 5 min
4.7 CHAMELEON: Partición de gráficos en el gráfico KNN de los datosVideo · 8 min
4.8 Agrupación jerárquica probabilísticaVideo · 7 min
Lección 4 CuestionarioCuestionario · 30 min
Resumen de la lección 5Lectura · 10 min
5.1 Métodos de agrupación basados en la densidad y en la cuadrículaVideo · 2 min
5.2 DBSCAN: Un algoritmo de agrupación basado en la densidadVideo · 8 min
5.3 ÓPTICA: Ordenar los puntos para identificar la estructura de agrupaciónVideo · 9 min
5.4 Métodos de agrupación basados en cuadrículasVideo · 3 min
5.5 STING: Un enfoque de cuadrícula de información estadísticaVideo · 4 min
5.6 CLIQUE: Agrupación por subespacios basada en cuadrículasVideo · 7 min
Lección 5 CuestionarioCuestionario · 30 min

UNIDAD 29 - Semana 4 · 13 lecciones

Análisis de conglomerados en minería de datos - UNIDAD 29 - Semana 4

Resumen de la lección 6Lectura · 10 min
6.1 Métodos para la validación de agrupacionesVideo · 1 min
6.2 Evaluación de la agrupación Medición de la calidad de la agrupaciónVideo · 3 min
6.3 Agrupación basada en restriccionesVideo · 5 min
6.4 Medidas externas 1: Medidas basadas en el emparejamientoVideo · 10 min
6.5 Medida externa 2: Medidas basadas en la entropíaVideo · 7 min
6.6 Medida externa 3: Medidas por paresVideo · 6 min
6.7 Medidas internas para la validación de agrupacionesVideo · 7 min
6.8 Medidas relativasVideo · 6 min
6.9 Estabilidad de las agrupacionesVideo · 7 min
6.10 Tendencia a la agrupaciónVideo · 5 min
Lección 6 CuestionarioCuestionario · 30 min
Aplicación de medidas de validación de agrupacionesLectura · 3 h

UNIDAD 30 - Conclusión del curso · 1 lecciones

Análisis de conglomerados en minería de datos - UNIDAD 30 - Conclusión del curso

¿Qué tal el curso?Actividad · 15 min

UNIDAD 31 - Orientación · 8 lecciones

Proyecto de minería de datos - UNIDAD 31 - Orientación

Bienvenido al proyecto de minería de datosVideo · 13 min
Orientación generalLectura · 10 min
Plan de estudiosLectura · 10 min
Acerca de los foros de debateLectura · 10 min
Actualizar su perfilLectura · 10 min
Instalación y visión general de MeTALectura · 10 min
Conjunto de datos y adquisición de herramientasLectura · 10 min
Bienvenido Háblenos de usted.Actividad · 15 min

UNIDAD 32 - Tarea 1 - Exploración de un conjunto de datos · 3 lecciones

Proyecto de minería de datos - UNIDAD 32 - Tarea 1 - Exploración de un conjunto de datos

Resumen de la Tarea 1Lectura · 10 min
Tarea 1 RúbricaLectura · 10 min
Tarea 1 PresentaciónProyecto · 1 h

UNIDAD 33 - Tarea 2 - Agrupación de cocinas y construcción de mapas · 3 lecciones

Proyecto de minería de datos - UNIDAD 33 - Tarea 2 - Agrupación de cocinas y construcción de mapas

Resumen de la Tarea 2Lectura · 10 min
Tarea 2 RúbricaLectura · 10 min
Tarea 2 PresentaciónProyecto · 2 h

UNIDAD 34 - Tarea 3 - Reconocimiento de platos · 3 lecciones

Proyecto de minería de datos - UNIDAD 34 - Tarea 3 - Reconocimiento de platos

Resumen de la Tarea 3Lectura · 10 min
Tarea 3 RúbricaLectura · 10 min
Tarea 3 Presentación del informeProyecto · 2 h

UNIDAD 35 - Tarea 4 y 5 - Platos populares y recomendación de restaurantes · 3 lecciones

Proyecto de minería de datos - UNIDAD 35 - Tarea 4 y 5 - Platos populares y recomendación de restaurantes

Resumen de las tareas 4 y 5Lectura · 10 min
Tarea 4 y 5 RúbricaLectura · 10 min
Presentación de las tareas 4 y 5Proyecto · 2 h

UNIDAD 36 - Tarea 6 · 3 lecciones

Proyecto de minería de datos - UNIDAD 36 - Tarea 6

Resumen de la Tarea 6Lectura · 10 min
Tarea 6 RúbricaLectura · 10 min
Tarea 6 Presentación del informeProyecto · 2 h

UNIDAD 37 - Informe final · 4 lecciones

Proyecto de minería de datos - UNIDAD 37 - Informe final

Instrucciones para el informe finalLectura · 10 min
Rúbrica del informe finalLectura · 10 min
Presentación del informe finalProyecto · 1 h
¿Qué tal el curso?Actividad · 15 min

Certificado oficial

Certificado con validez SEP: lo emite la SEP, no solo una plataforma

Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.

Tu certificado con INEC

Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
Documento oficial con folio verificable en línea
Lo otorga la Universidad Tecnológica Fidel Velázquez

Otras plataformas en línea

Constancia privada emitida por la misma plataforma
Solo acredita horas cursadas o asistencia
Sin respaldo de una autoridad educativa

Cómo funciona

Tu itinerario, de la inscripción al certificado

1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
2
Estudias a tu ritmo
37 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
3
Cuestionarios por unidad
47 cuestionarios para comprobar lo aprendido.
4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.

Lo que obtienes

Un certificado oficial de la SEP

Muestra del certificado: Minería de datos

Muestra · verificable por folio y QR

Certificado SEP incluido (sin costo). Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
Contenido impartido por University of Illinois Urbana-Champaign.
Folio y QR verificables para compartirlo con quien te contrate.

Medios que necesitas

Equipo de cómputo Conexión estable a internet

Pago único

Empieza hoy, a tu ritmo

Un solo pago y acceso inmediato al curso completo durante 12 meses.

37 unidades · 384 lecciones · 240 h
12 meses de acceso
47 cuestionarios de evaluación
Certificado SEP incluido (sin costo), emitido por la SEP (Gob. del Estado de México) con folio verificable

Pago único

$4,990MXN

Acceso por 12 meses

Inscribirme Hablar con un asesor de inscripción

Preguntas frecuentes

Sobre tu inscripción

¿Cómo es el pago?

Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.

¿Cuánto tiempo tengo acceso?

12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.

¿Quién imparte el contenido?

El curso es impartido por University of Illinois Urbana-Champaign; INEC gestiona tu inscripción, evaluación y certificado.

¿Qué pasa cuando vence mi acceso?

Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.

¿El curso tiene validez SEP?

Sí, incluido sin costo. Al completar el curso recibes un certificado emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.

¿El curso tiene tutor o clases en vivo?

No. Es un curso autodidacta: estudias por tu cuenta, a tu ritmo, sin tutor ni sesiones en vivo.

¿Cómo se evalúa?

Te evalúas con actividades automáticas, sin entregas a un tutor.

Cursos relacionados

Data Analysis and Visualization Foundations

IBM AI Foundations for Business

Administración de Empresas