<?xml version="1.0"?>
<rss version="2.0">
   <channel>
      <title>Polotic - Clase 11 by Ing. Layla Scheli</title>
      <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a</link>
      <description>Actividad Grupal - Colaborativa</description>
      <language>en-us</language>
      <pubDate>2021-11-03 21:48:22 UTC</pubDate>
      <lastBuildDate>2025-12-23 07:08:40 UTC</lastBuildDate>
      <webMaster>hello@padlet.com</webMaster>
      <image>
         <url></url>
      </image>
      <item>
         <title>Consigna </title>
         <author>laylascheli</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865898541</link>
         <description><![CDATA[<div>Investigar sobre los diferentes herramientas y softwares que existen para Data Mining ademas de R y Python</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:48:55 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865898541</guid>
      </item>
      <item>
         <title>matlab</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865899608</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:49:48 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865899608</guid>
      </item>
      <item>
         <title>Stata, Spss, Infostat</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865900103</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:50:13 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865900103</guid>
      </item>
      <item>
         <title>Herramientas gratuitas para hacer Data Mining</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865900756</link>
         <description><![CDATA[<div>https://www.inteldig.com/2018/11/herramientas-gratuitas-data-mining/</div>]]></description>
         <enclosure url="https://www.inteldig.com/2018/11/herramientas-gratuitas-data-mining/" />
         <pubDate>2021-11-03 21:50:43 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865900756</guid>
      </item>
      <item>
         <title></title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865901661</link>
         <description><![CDATA[<div>Phyton, SAS, KNIME</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:51:31 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865901661</guid>
      </item>
      <item>
         <title>Orange</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865901727</link>
         <description><![CDATA[<div><strong><br>E</strong>s un software de aprendizaje automático y de procesos de manipulación de datos. Es gratis e ideal para principiantes, ya que viene con múltiples tutoriales con flujos de trabajo de minería de datos precargados. Las visualizaciones más comunes que se necesitan para una carrera profesional están a solo unos clics de distancia, incluidos la minería de textos, mapas de calor y diagramas de dispersión.<br><br></div><div>Orange es una de las mejores herramientas gratuitas debido a la visualización interactiva que puede ser creada por cualquier persona, principiante o avanzado. Los usuarios avanzados de Orange también pueden usarlo como una biblioteca de Python para la manipulación de datos y la modificación de widgets. Orange incluso puede aprender de tus preferencias mientras lo estas usando.<br><br></div>]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:51:33 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865901727</guid>
      </item>
      <item>
         <title>https://www.sas.com/en_us/home.html</title>
         <author>fensen</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865901945</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://www.sas.com/en_us/home.html" />
         <pubDate>2021-11-03 21:51:43 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865901945</guid>
      </item>
      <item>
         <title>SPSS es un software popular entre los usuarios de Windows, es utilizado para realizar la captura y análisis de datos para crear tablas y gráficas con data compleja. El SPSS es conocido por su capacidad de gestionar grandes volúmenes de datos y es capaz de llevar a cabo análisis de texto entre otros formatos más.</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865902090</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:51:48 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865902090</guid>
      </item>
      <item>
         <title>SPSS, Orange, Kaggle</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865902284</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:51:57 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865902284</guid>
      </item>
      <item>
         <title>Weka</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865902362</link>
         <description><![CDATA[<div><strong>Weka</strong> (<em>Waikato Environment for Knowledge Analysis</em>, en español «entorno para análisis del conocimiento de la Universidad de Waikato») es una plataforma de <a href="https://es.wikipedia.org/wiki/Software">software</a> para el <a href="https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico">aprendizaje automático</a> y la <a href="https://es.wikipedia.org/wiki/Miner%C3%ADa_de_datos">minería de datos</a> escrito en <a href="https://es.wikipedia.org/wiki/Lenguaje_de_programaci%C3%B3n_Java">Java</a> y desarrollado en la <a href="https://es.wikipedia.org/wiki/Universidad_de_Waikato">Universidad de Waikato</a>. Weka es <a href="https://es.wikipedia.org/wiki/Software_libre">software libre</a> distribuido bajo la licencia <a href="https://es.wikipedia.org/wiki/Licencia_p%C3%BAblica_general_de_GNU">GNU-GPL</a>.</div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/1334536498/cf04c3d9fcc3da1080c1bafddee4e77e/Weka__software__logo.png" />
         <pubDate>2021-11-03 21:52:01 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865902362</guid>
      </item>
      <item>
         <title>octave</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865903266</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:52:48 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865903266</guid>
      </item>
      <item>
         <title>KNIME - RapidMiner</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865903335</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:52:53 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865903335</guid>
      </item>
      <item>
         <title>RapidMiner  y IBM SPSS</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865903346</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:52:53 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865903346</guid>
      </item>
      <item>
         <title>¿Qué hace Spark?Spark es un motor ultrarrápido para el almacenamiento, procesamiento y análisis de grandes volúmenes de datos. Es de código abierto y se encuentra gestionado por la Apache Software Foundation. Por tanto, la herramienta se conoce como Apache Spark y es uno de sus proyectos más activos.</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865903662</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:53:11 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865903662</guid>
      </item>
      <item>
         <title>FERNANDO MOLINA</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865904354</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/1334534729/01137896a6238e84e799c8fc74cc5266/image.png" />
         <pubDate>2021-11-03 21:53:50 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865904354</guid>
      </item>
      <item>
         <title>NLTK</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865904409</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:53:52 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865904409</guid>
      </item>
      <item>
         <title>Weka (Waikato Environment for Knowledge Analysis, en español «entorno para análisis del conocimiento de la Universidad de Waikato») es una plataforma de software para el aprendizaje automático y la minería de datos escrito en Java y desarrollado en la Universidad de Waikato</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865904480</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:53:55 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865904480</guid>
      </item>
      <item>
         <title>JM Facundo Amarilla </title>
         <author>jmfacundo1</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865905251</link>
         <description><![CDATA[<div>IBM SPSS.<br>Python.<br>Knime.<br>Spark.<br>R.&nbsp;<br>SAS</div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/1184631537/87f2cf3318f136bad99459c95d9eb8d5/Herramientas_para_Data_Mining.png" />
         <pubDate>2021-11-03 21:54:33 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865905251</guid>
      </item>
      <item>
         <title>8 Best Open-Source Tools for Data Mining</title>
         <author>fensen</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865905629</link>
         <description><![CDATA[<ul><li>Apache Mahout&nbsp;</li><li>DataMelt&nbsp;</li><li>ELKI&nbsp;</li><li>Knime&nbsp;</li><li>Orange&nbsp;</li><li>Rattle&nbsp;</li><li>scikit-learn&nbsp;</li><li>Weka</li></ul><div><br></div>]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:54:55 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865905629</guid>
      </item>
      <item>
         <title>ORANGE</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865905947</link>
         <description><![CDATA[<div>Es un programa informático para realizar <strong><mark>minería de datos</mark></strong> y <strong><mark>análisis predictivo</mark></strong> desarrollado en la facultad de <a href="https://es.wikipedia.org/wiki/Inform%C3%A1tica">informática</a> de la Universidad de Ljubljana. Consta de una serie de componentes desarrollados en C++ que implementan algoritmos de minería de datos, así como operaciones de preprocesamiento y representación gráfica de datos.<br><br></div><div><br>Los componentes de Orange pueden ser manipulados desde programas desarrollados en Python o a través de un <a href="https://es.wikipedia.org/wiki/GUI">e</a>ntorno gráfico.<br><br></div><div><br>Se distribuye bajo licencia GPL.<br><br></div><div><br><br></div>]]></description>
         <enclosure url="https://www.tertiarycourses.com.sg/media/catalog/product/cache/1/image/512x/040ec09b1e35df139433887a97daa66f/d/a/data-mining-orange.jpg" />
         <pubDate>2021-11-03 21:55:10 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865905947</guid>
      </item>
      <item>
         <title>https://mahout.apache.org/</title>
         <author>xdebdesarrollos</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865906193</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://mahout.apache.org/" />
         <pubDate>2021-11-03 21:55:22 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865906193</guid>
      </item>
      <item>
         <title></title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865906718</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://es.wikipedia.org/wiki/KNIME" />
         <pubDate>2021-11-03 21:55:46 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865906718</guid>
      </item>
      <item>
         <title>Un resumen de lo que estuvimos viendo</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865907437</link>
         <description><![CDATA[<div>Si bien no nombra herramientas concretas, me gusto este artículo de un instituto, porque resume los procesos de los que estuvimos charlando con Layla&nbsp;<br>https://www.iedge.eu/javier-garcia-herramientas-de-data-mining</div>]]></description>
         <enclosure url="https://www.iedge.eu/javier-garcia-herramientas-de-data-mining" />
         <pubDate>2021-11-03 21:56:14 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865907437</guid>
      </item>
      <item>
         <title>Apache Mahout es un proyecto de Apache Software Foundation que se implementa sobre Apache Hadoop y utiliza el paradigma MapReduce.También se utiliza para crear implementaciones de algoritmos de aprendizaje automático distribuidos y escalables que se centran en las áreas de agrupamiento, filtrado colaborativo y clasificación. Mahout contiene bibliotecas Java para algoritmos matemáticos comunes y operaciones centradas en estadísticas y álgebra lineal, así como colecciones primitivas de Java.</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865907854</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:56:34 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865907854</guid>
      </item>
      <item>
         <title>WEKA</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865908132</link>
         <description><![CDATA[<div><strong>Weka</strong> (<em>Waikato Environment for Knowledge Analysis</em>, en español «entorno para análisis del conocimiento de la Universidad de Waikato») es una plataforma de <a href="https://es.wikipedia.org/wiki/Software">software</a> para el <a href="https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico">aprendizaje automático</a> y la <a href="https://es.wikipedia.org/wiki/Miner%C3%ADa_de_datos">minería de datos</a> escrito en <a href="https://es.wikipedia.org/wiki/Lenguaje_de_programaci%C3%B3n_Java">Java</a> y desarrollado en la <a href="https://es.wikipedia.org/wiki/Universidad_de_Waikato">Universidad de Waikato</a>. Weka es <a href="https://es.wikipedia.org/wiki/Software_libre">software libre</a> distribuido bajo la licencia <a href="https://es.wikipedia.org/wiki/Licencia_p%C3%BAblica_general_de_GNU">GNU-GPL</a>.<br><br></div><div>El paquete Weka<a href="https://es.wikipedia.org/wiki/Weka_(aprendizaje_autom%C3%A1tico)#cite_note-4"><sup>4</sup></a>​ contiene una colección de herramientas de visualización y <a href="https://es.wikipedia.org/wiki/Algoritmo">algoritmos</a> para <a href="https://es.wikipedia.org/wiki/An%C3%A1lisis_de_datos">análisis de datos</a> y <a href="https://es.wikipedia.org/w/index.php?title=Modelado_predictivo&amp;action=edit&amp;redlink=1">modelado predictivo</a>, unidos a una <a href="https://es.wikipedia.org/wiki/Interfaz_gr%C3%A1fica_de_usuario">interfaz gráfica de usuario</a> para acceder fácilmente a sus funcionalidades. La versión original de Weka fue un <a href="https://es.wikipedia.org/wiki/Front-end_y_back-end"><em>front-end</em></a> en <a href="https://es.wikipedia.org/wiki/Tcl">TCL/TK</a> para modelar algoritmos implementados en otros <a href="https://es.wikipedia.org/wiki/Lenguaje_de_programaci%C3%B3n">lenguajes de programación</a>, más unas utilidades para preprocesamiento de datos desarrolladas en C para hacer <a href="https://es.wikipedia.org/wiki/Experimento">experimentos</a> de aprendizaje automático. Esta versión original se diseñó inicialmente como herramienta para analizar datos procedentes del dominio de la <a href="https://es.wikipedia.org/wiki/Agricultura">agricultura</a>,​ pero la versión más reciente basada en Java (WEKA 3), que empezó a desarrollarse en 1997, se utiliza en muchas y muy diferentes áreas, en particular con finalidades docentes y de investigación.<br><strong><mark>Orange </mark></strong><br>es una suite de software para minería de base de datos y aprendizaje automático basado en componentes que cuenta con un fácil y potente, rápido y versátil front-end de programación visual para el análisis exploratorio de datos y visualización, y librerias para Python y secuencias de comando. Contiene un completo juego de componentes para preprocesamiento de datos, característica de puntuación y filtrado, modelado, evaluación del modelo, y técnicas de exploración. Está escrito en C++ y Python, y su interfaz gráfica de usuario se basa en la plataforma cruzada del framework Qt.</div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/1261227666/86c69466ba27969ed6c4ef9e46800410/image.png" />
         <pubDate>2021-11-03 21:56:49 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865908132</guid>
      </item>
      <item>
         <title>Nosis, DataIQ, Procesam son los primeros que salen los anuncios</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865909075</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:57:37 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865909075</guid>
      </item>
      <item>
         <title>https://rapidminer.com/</title>
         <author>jlcribb</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865909346</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://rapidminer.com/" />
         <pubDate>2021-11-03 21:57:52 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865909346</guid>
      </item>
      <item>
         <title>Herramientas de Data Mining</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865910508</link>
         <description><![CDATA[<div><strong><br>✅ 1. RapidMiner<br></strong>Quizá sea la herramienta más utilizada. Es de acceso gratuito y su manejo es relativamente sencillo en cuanto a que no requiere grandes conocimientos de programación. <strong>Su punto fuerte son los análisis predictivos</strong>. RapidMiner está escrita en Java y puede mostrar las conexiones en los datos, importar tablas de Excel, datos de otras bases, archivos SPSS y también integra otros programas de data mining como WEKA. Vale para todo el proceso de data mining incluyendo la visualización de los resultados.<br><strong><br>✅ 2. Orange<br></strong>Esta herramienta trabaja con operadores para clasificación, regresión y clustering. Además <strong>ofrece una visualización de datos atractiva que lo hace entretenido de usar además de sencillo.</strong> Orange aprende de las preferencias de los usuarios y se comporta en función de ellas, lo cual simplifica mucho el data mining. Hay muchos tutoriales para atender a trabajar con este software, lo cual es una gran noticia.<br><br></div><div><strong>✅ 3. WEKA<br></strong>Es un software de código abierto basado en Java, compatible con Windows, MacOS y Linux y <strong>ofrece conexión a bases de datos SQL.</strong> Las funciones que realiza son:</div><ul><li>Clasificación de datos, para lo que usa redes de neuronas artificiales.</li><li>Análisis de clústeres.</li><li>Árboles de decisión.</li><li>Análisis de correlación o regresión.</li><li>Algoritmos ID3 o C4.5.</li></ul><div>WEKA no es tan fuerte en análisis de clusteres como en otras funciones ya que solo incluye los procedimientos más importantes.<br><br></div><div><br><br></div>]]></description>
         <enclosure url="https://www.gestion.org/que-es-el-data-mining/" />
         <pubDate>2021-11-03 21:58:48 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865910508</guid>
      </item>
      <item>
         <title>8 técnicas de data mining más utilizadas por las empresas explicando en qué consisten de manera sencilla.Árbol de decisiónSe llama así porque tiene una estructura arborescente en la que encontramos dos tipos de nodos: los puntos de decisión y los puntos de azar.Los problemas y la secuencia de los árboles de decisión se plasman en estos árboles, donde un nodo es un punto de unión conectado por ramas.El árbol se crea de izquierda a derecha, pero se evalúa de forma inversa, simplemente porque a la izquierda se encuentra la decisión y a la derecha los resultados.Consta de 4 elementos:•	Puntos de decisión: se representan con un cuadrado. Aquí el decisor elige una alternativa de acción entre un número finito de ellas que son representadas por las ramas cuyos costes asociados se escriben sobre ellas. Las ramas escogidas pueden acabar en otro punto de decisión, en uno de azar o en un resultado.•	Puntos de azar: se dibujan con un círculo e indican que un suceso aleatorio se espera en este punto del proceso. Desde aquí también surgen ramas.•	Ramas: en el argot del big data se definen como alternativas cuando salen de los puntos de decisión y como estados de la naturaleza cuando salen de los puntos de azar. En este último caso, se les asigna unas probabilidades determinadas.•	Resultado: al final tenemos que decidir qué decisión tomar en función del resultado obtenido proveniente de cada rama.Red neuronalEsta técnica de data mining se basa en el funcionamiento de nuestras neuronas, pues el cerebro humano tiene millones que se conectan entre sí en un proceso llamado “sinapsis”. Gracias a ello, cada uno de nosotros es capaz de pensar.Esta red neuronal artificial se parece tanto a una biológica que cuenta con nodos de entrada (reciben información del exterior), nodos de salida (transmiten información al exterior) y nodos ocultos (intercambian información con otros nodos de la red).Cuando estos nodos están definidos se pasa a la fase de aprendizaje donde se asignan diferentes valores a estos nodos hasta encontrar respuestas, pues es la propia red la que los crea, modifica o elimina automáticamente.La principal ventaja de esta técnica de data mining es su capacidad para trabajar con datos incompletos.Modelado estadísticoSe basa en las relaciones entre variables en los datos mediante ecuaciones matemáticas para predecir resultados.Es la más antigua de las técnicas de minería de datos, ya que se empezó a desarrollar en el siglo XVII con métodos más arcaicos, pero la esencia era la misma que en la actualidad.Si es tan antigua, es porque es una rama de las matemáticas que se fue introduciendo al mundo de los datos a medida que fueron incorporándose en nuestra sociedad.Reglas de asociaciónNos permiten encontrar las combinaciones de artículos que ocurren con mayor frecuencia en una base de datos y la importancia de las mismas.Un ejemplo de esta técnica de data mining es el cliente que va a comprar un artículo y su intención de compra se asocia con la de otros consumidores en la base de datos, o incluso se le muestran otros productos basándose en su historial.Los datos se agremian en forma de lista, en una representación vertical o en una horizontal.Agrupamiento (clustering)Se agrupan elementos en un conjunto de datos, que a su vez, están agrupados en subconjuntos distintos.El objetivo es que los elementos de una misma clase tengan grandes similitudes entre sí, mientras que los que pertenezcan a una clase distinta cuenten con el menor parecido posible.Hay muchos tipos de clustering, pero los más frecuentes son dos:•	Clustering jerárquico•	  Clustering basado en la densidadAl igual que la red neuronal está basada en nuestras neuronas, el algoritmo genético está basado en la teoría de la evolución.En esta técnica de data mining se intenta replicar el comportamiento biológico de la selección natural y la genética.El algoritmo cuenta con una población inicial de datos que representan ciertos resultados (cromosomas) y que contienen bits (genes).Estos pasan juntos a la fase de evaluación donde se le asignará un porcentaje en función de la aptitud. Los más aptos siguen y los demás no, igual que en la teoría de Charles Darwin.Después de esto, los datos se cruzan o mutan y el proceso se repite hasta que se llega al resultado esperado o hasta que se para manualmente.Regresión linealLa regresión lineal es otra de las técnicas de minería de datos más utilizadas en un sector que no para de crecer debido a la transformación digital. En ella, se relacionan dos variables continuas, concretamente, las variables de predicción y de respuesta.Hablamos de regresión lineal cuando existe solo una variable de predicción y de regresión múltiple cuando hay más de una. Sea lineal o múltiple, es una variable independiente mientras que la de respuesta depende de la anterior.Redes bayesianasRepresentan ciertas incertidumbres que están asociadas a nodos que reproducen variables aleatorias, las cuales se asocian a su vez a un condicionante externo. Para esto, existen los llamados “clasificadores bayesianos”, que organizan cada variable y consiguen plasmar los condicionantes de tal manera que sean muy sencillos de leer.Son muy característicos en la medicina para diagnósticos graves. Se utilizan las redes bayesianas para descartar enfermedades rápidamente.</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865910617</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:58:53 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865910617</guid>
      </item>
      <item>
         <title>https://orangedatamining.com/</title>
         <author>jlcribb</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865911058</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://orangedatamining.com/" />
         <pubDate>2021-11-03 21:59:15 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865911058</guid>
      </item>
      <item>
         <title>DataMelt 1​ 2​ es un marco de trabajo gratuito de análisis de datos para científicos, ingenieros y estudiantes escrito en Java. El programa está diseñado para áreas de gráficas científicas interactivas en 2D y 3D y contiene bibliotecas numéricas científicas implementadas en Java para funciones matemáticas, números aleatorios, análisis estadístico, ajuste de curvas de regresión y otras actividades de minería de datos. DataMelt se basa en un lenguaje de programación de alto nivel, Jython (Python implementado en Java), pero puede utilizarse también codificación Java para llamar a bibliotecas DataMelt numéricas y gráficas.</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865911424</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 21:59:35 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865911424</guid>
      </item>
      <item>
         <title></title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865912910</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://orangedatamining.com/" />
         <pubDate>2021-11-03 22:00:55 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865912910</guid>
      </item>
      <item>
         <title>https://www.knime.com/</title>
         <author>jlcribb</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865913163</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://www.knime.com/" />
         <pubDate>2021-11-03 22:01:08 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865913163</guid>
      </item>
      <item>
         <title>Definición, 5 herramientas gratuitas y técnicas</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865913729</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://www.intotheminds.com/blog/es/mineria-de-datos-definicion-5-herramientas-gratuitas-y-tecnicas/" />
         <pubDate>2021-11-03 22:01:41 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865913729</guid>
      </item>
      <item>
         <title>https://www.anaconda.com/</title>
         <author>jlcribb</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865913843</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://www.anaconda.com/" />
         <pubDate>2021-11-03 22:01:47 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865913843</guid>
      </item>
      <item>
         <title>https://progsoft.net/es/software/jhepwork</title>
         <author>jlcribb</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865916203</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://progsoft.net/es/software/jhepwork" />
         <pubDate>2021-11-03 22:03:57 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865916203</guid>
      </item>
      <item>
         <title>UIMA (Unstructured Information Management applications, Aplicaciones para la administración de información no estructurada) son sistemas de software que analizan grandes volúmenes de información no estructurada con el fin de descubrir que es lo relevante para el usuario final. Un ejemplo de aplicación UIM, podría ingerir texto plano e identificar identidades, como personas, lugares, organizaciones; o relaciones, como trabajos-para o ubicados-en.Watson (inteligencia_artificial), el supercomputador de IBM que participó en un programa especial del show televisivo estadounidense Jeopardy!, utiliza Apache UIMA para escalar su procesamiento del lenguaje natural en paralelo a través de procesadores POWER7 de IBM, lo que permite a Watson realizar miles de cálculos analíticos simultáneamente en todo el clúster de servidores para responder a cada pregunta lo más rápido posible.</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865916656</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 22:04:24 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865916656</guid>
      </item>
      <item>
         <title>https://elki-project.github.io/</title>
         <author>jlcribb</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865917134</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://elki-project.github.io/" />
         <pubDate>2021-11-03 22:04:51 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865917134</guid>
      </item>
      <item>
         <title>https://www.ibm.com/docs/es/spss-modeler/SaaS?topic=models-oracle-data-miner</title>
         <author>jlcribb</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865918322</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://www.ibm.com/docs/es/spss-modeler/SaaS?topic=models-oracle-data-miner" />
         <pubDate>2021-11-03 22:05:50 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865918322</guid>
      </item>
      <item>
         <title>https://www.trifacta.com/</title>
         <author>jlcribb</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865919680</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://www.trifacta.com/" />
         <pubDate>2021-11-03 22:07:05 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865919680</guid>
      </item>
      <item>
         <title>Comparativa Tools Data mining</title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865920041</link>
         <description><![CDATA[<div>Fuente: https://www.ionos.es/digitalguide/online-marketing/analisis-web/software-de-data-mining-las-mejores-herramientas/<br><br></div><div>RapidMiner<br><br></div><div>Destaca por permitir el acceso gratuito y por su fácil manejo dado que no requiere un conocimiento elaborado en programación, sin olvidar la gran selección de operadores que ofrece. Especialmente son las startups las que recurren a ella.<br><br></div><div>El punto fuerte de RapidMiner, si se compara con el resto de software de data mining, reside en los <strong>análisis predictivos</strong>, es decir, en la previsión de desarrollos futuros basándose en los datos recopilados.<br><br></div><div>WEKA<br><br></div><div>Presenta un sinnúmero de <strong>funciones</strong> de aprendizaje automático y secunda tareas tan relevantes del data mining como el análisis de clústeres, de correlación o de regresión, así como la clasificación de datos, punto fuerte este último del data mining software al usar redes de neuronas artificiales, árboles de decisión y algoritmos ID3 o C4.5. No obstante, este programa no es tan potente en aspectos como el análisis de clústeres, en el que solo se ofrecen los procedimientos más importantes.<br><br></div><div>Orange<br><br></div><div>Orange es un software muy extenso que demuestra todo lo que se puede conseguir con Python, ya que ofrece aplicaciones de gran utilidad para el análisis de datos y de texto así como características de aprendizaje automático.<br><br></div><div>Ofrece un sistema de <strong>visualización de datos</strong> atractivo para trabajar y, por otro, alcanza esta visualización con <strong>rapidez y facilidad</strong>. El programa prepara los datos de forma visual, convirtiendo la comprensión de gráficas así como el procesamiento de análisis de datos en tareas muy sencillas, lo que a su vez facilita a los usuarios tomar decisiones rápidamente en el ámbito profesional.<br><br></div><div>KNIME<br><br></div><div>Destaca el <strong>análisis de datos integrativo</strong>. En este ámbito KNIME es uno de los programas más avanzados, puesto que permite la integración de numerosos procedimientos de aprendizaje automático y de data mining. Además, presenta una eficiencia notable en el <strong>tratamiento previo de los datos</strong> así como en su <a href="https://es.wikipedia.org/wiki/Extract,_transform_and_load">extracción, transformación y carga</a>. Debido a su segmentación en módulos, sirve principalmente como software de data mining orientado al flujo de datos.<br><br></div><div>KNIME se usa en la investigación farmacéutica desde 2006 y supone una herramienta muy importante también en el sector financiero, sin olvidar su uso frecuente en el campo de la inteligencia empresarial (BI).<br><br></div><div>SAS<br><br></div><div>SAS constituye la <strong>data mining tool principal en el análisis en el sector de los negocios</strong>&nbsp;<br><br></div><div>Esta herramienta se ha establecido como estándar en el ámbito farmacéutico, aunque también se encuentra con mucha frecuencia en el ámbito financiero y ofrece soluciones óptimas en el ámbito de la inteligencia empresarial y el web mining. Para ello dispone, entre otros, de un software de inteligencia empresarial específico. Todo ello la convierte en una de las herramientas más potentes del mercado.<br><br></div>]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 22:07:25 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865920041</guid>
      </item>
      <item>
         <title>https://www.geogebra.org/?lang=es</title>
         <author>jlcribb</author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865921190</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://www.geogebra.org/?lang=es" />
         <pubDate>2021-11-03 22:08:25 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865921190</guid>
      </item>
      <item>
         <title></title>
         <author></author>
         <link>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865921252</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/1427413257/f14e63ea376a50e12db6097e80f7e83e/image.png" />
         <pubDate>2021-11-03 22:08:29 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/c8am7fyur50ydc5a/wish/1865921252</guid>
      </item>
   </channel>
</rss>
