Día 1 – Fundamentos y Preprocesamiento de Datos (3 horas)
1. Introducción a Data Mining
• Definición, importancia y aplicaciones en distintos sectores.
• Diferencias entre Data Mining, Machine Learning y Big Data.
2. El Proceso de Minería de Datos
• El ciclo CRISP-DM: Comprensión del negocio, comprensión de los datos, preparación, modelado, evaluación y despliegue.
• Casos de éxito y ejemplos prácticos.
3. Preprocesamiento y Limpieza de Datos
• Técnicas de limpieza, transformación y normalización de datos.
• Identificación y manejo de valores atípicos y datos faltantes.
4. Exploración y Visualización de Datos
• Herramientas y técnicas para el análisis exploratorio de datos.
• Uso de visualizaciones para detectar patrones y relaciones.


⸻


Día 2 – Técnicas de Modelado y Aplicaciones Prácticas (3 horas)
1. Técnicas de Modelado en Data Mining
• Algoritmos de clasificación y clustering.
• Análisis de asociaciones y detección de anomalías.
2. Herramientas y Software para Data Mining
• Introducción a herramientas populares (R, Python, RapidMiner, WEKA).
• Ventajas y casos de uso de cada herramienta.
3. Aplicación Práctica: Desarrollo de un Modelo
• Definición del problema: planteamiento y selección de técnicas.
• Ejercicios prácticos guiados desde la preparación de datos hasta la interpretación de resultados.
4. Evaluación y Validación de Modelos
• Métricas de evaluación: precisión, recall, F1-score, etc.
• Estrategias para mejorar el rendimiento y evitar el sobreajuste.