Bienvenida conceptos básicos y contexto histórico de las Bases de Datos

1

Bienvenida conceptos básicos y contexto histórico de las Bases de Datos

Introducción a las bases de datos relacionales

2

Historia de las bases de datos relacionales

3

Entidades y atributos

4

Entidades de Platzi Blog

5

Relaciones

6

Múltiples muchos

7

Diagrama ER

8

Diagrama Físico: tipos de datos y constraints

9

Diagrama Físico: normalización

10

Formas normales en Bases de Datos relacionales

11

Diagrama Físico: normalizando Platziblog

RDBMS (MySQL) o cómo hacer lo anterior de manera práctica

12

¿Qué es RDB y RDBMS?

13

Instalación local de un RDBMS (Windows)

14

Instalación local de un RDBMS (Mac)

15

Instalación local de un RDBMS (Ubuntu)

16

Clientes gráficos

17

Servicios administrados

SQL hasta en la sopa

18

Historia de SQL

19

DDL create

20

CREATE VIEW y DDL ALTER

21

DDL drop

22

DML

23

¿Qué tan standard es SQL?

24

Creando Platziblog: tablas independientes

25

Creando Platziblog: tablas dependientes

26

Creando Platziblog: tablas transitivas

Consultas a una base de datos

27

¿Por qué las consultas son tan importantes?

28

Estructura básica de un Query

29

SELECT

30

FROM

31

Utilizando la sentencia FROM

32

WHERE

33

Utilizando la sentencia WHERE nulo y no nulo

34

GROUP BY

35

ORDER BY y HAVING

36

El interminable agujero de conejo (Nested queries)

37

¿Cómo convertir una pregunta en un query SQL?

38

Preguntándole a la base de datos

39

Consultando PlatziBlog

Introducción a la bases de datos NO relacionales

40

¿Qué son y cuáles son los tipos de bases de datos no relacionales?

41

Servicios administrados y jerarquía de datos

Manejo de modelos de datos en bases de datos no relacionales

42

Top level collection con Firebase

43

Creando y borrando documentos en Firestore

44

Colecciones vs subcolecciones

45

Recreando Platziblog

46

Construyendo Platziblog en Firestore

47

Proyecto final: transformando tu proyecto en una db no relacional

Bases de datos en la vida real

48

Bases de datos en la vida real

49

Big Data

50

Data warehouse

51

Data mining

52

ETL

53

Business intelligence

54

Machine Learning

55

Data Science

56

¿Por qué aprender bases de datos hoy?

Bonus

57

Bases de datos relacionales vs no relacionales

58

Elegir una base de datos

Aún no tienes acceso a esta clase

Crea una cuenta y continúa viendo este curso

Data mining

51/58
Recursos

El Data Mining se dedica a minar datos, a extraerlos de donde sea que estén (archivos muertos, base de datos actual, etc…) y hacer sentido de ellos para darles un uso.

Aportes 104

Preguntas 8

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.

Escuche un significado que me gusto en otro curso: 😄

"Data mining, consiste en torturar los datos hasta que confiesen"

EJEMPLOS DE APLICACIONES DE LA MINERÍA DE DATOS
La capacidad predictiva del data mining ha cambiado el diseño de las estrategias empresariales. Ahora se puede entender el presente para anticiparse al futuro. Estos son algunos ejemplos de data mining en la industria actual:

Marketing: La minería de datos se utiliza para explorar bases de datos cada vez mayores y mejorar la segmentación del mercado. Analizando las relaciones entre parámetros como edad de los clientes, género, gustos, etc., es posible adivinar su comportamiento para dirigir campañas personalizadas de fidelización o captación. El data mining en marketing predice también qué usuarios pueden darse de baja de un servicio, qué les interesa según sus búsquedas o qué debe incluir una lista de correo para lograr una tasa de respuesta mayor.

Comercio minorista: Los supermercados, por ejemplo, emplean los patrones de compra conjunta para identificar asociaciones de productos y decidir cómo situarlos en los diferentes pasillos y estanterías de los lineales. El data mining detecta además qué ofertas son las más valoradas por los clientes o incrementa la venta en la cola de caja.

Banca: Los bancos recurren a la minería de datos para entender mejor los riesgos del mercado. Es habitual que se aplique a la calificación crediticia (rating) y a sistemas inteligentes antifraude para analizar transacciones, movimientos de tarjetas, patrones de compra y datos financieros de los clientes. El data mining también permite a la banca conocer más sobre nuestras preferencias o hábitos en internet para optimizar el retorno de sus campañas de marketing, estudiar el rendimiento de los canales de venta o gestionar las obligaciones de cumplimiento de las regulaciones.

Medicina: La minería de datos favorece diagnósticos más precisos. Al contar con toda la información del paciente —historial, examen físico y patrones de terapias anteriores— se pueden prescribir tratamientos más efectivos. También posibilita una gestión más eficaz, eficiente y económica de los recursos sanitarios al identificar riesgos, predecir enfermedades en ciertos segmentos de la población o pronosticar la duración del ingreso hospitalario. Detectar fraudes e irregularidades y estrechar vínculos con los pacientes al ahondar en el conocimiento de sus necesidades son también ventajas de emplear el data mining en medicina.

Televisión y radio: Hay cadenas que aplican la minería de datos en tiempo real a sus registros de audiencia en televisión online (IPTV) y radio. Estos sistemas recaban y analizan sobre la marcha información anónima de las visualizaciones, las retransmisiones y la programación de los canales. Gracias al data mining se pueden emitir recomendaciones personalizadas a los radioyentes y telespectadores, conocer en directo sus intereses y su actividad, y entender mejor su conducta. Las cadenas obtienen, además, conocimiento muy valioso para sus anunciantes, que aprovechan estos datos para llegar con más precisión a sus clientes potenciales.

Refe DATA MINING’: DEFINICIÓN, EJEMPLOS Y APLICACIONES

El datamining (minería de datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.

Data Mining: Se utiliza para minar datos, se basa en extraer datos de donde sea que estén, organizarlos y que puedan ser utilizables.

Data Mining: es la técnica aplicada a fuentes de datos que pueden bien organizadas o no estar organizadas, para extraer datos que proveen de valor y sentido a los datos existentes, pero organizados de una manera mas aprovechable

tenía más expectativa sobre esta clase en particular, habló mucho pero no dijo nada.

Me llama mucho la atención el data mining porque trabajo en una empresa que no aprovecha sustancialmente todos los datos que origina en su proceso de tratamiento de aguas y considero que aplicarlo daría muy buenos resultados sobre el aprovechamiento de reactivos y en general de varias variables que pueden optimizarse si se considera su estudio y ordenamiento.

De los mejores profesores de platzi!

Cual seria la mejor solución a una base de datos SQL donde se guardan muchos registros diarios?

¿Hay cursos sobre este tema?

El Data Mining se dedica a minar datos, a extraerlos de donde sea que estén (archivos muertos, base de datos actual, etc…) y hacer sentido de ellos para darles un uso.

Excelente vídeo instructor Israel, para verificar si entendí claramente, Data Mining es la práctica de extraer datos, organizarlos, darles sentido y almacenarlos de forma correcta. ¿Esta práctica se aplica tanto a los medios físicos (Documentos, Carpetas) como a los electrónicos o solo los electrónicos? Es decir, ¿Puedo indicar que estoy haciendo Data Mining si tomo las facturas viejas y los organizo en bases de datos?

Recomendó continuar con ETL para aprender las técnicas de extracción de datos… muy muy interesante. Si lo piensan bien esta necesidad es enorme y nosotros nos podemos posicionar en el inicio de esta gran tendencia

Entendido. Vamos a excavar en los datos de las empresas.
Data Mining

OMG!!! Se acaban de abrir mis ojos! En el Data Mining hay un enorme potencial para el uso de muchos de los conocimientos que he aprendido en Platzi

La minería de datos explora y analiza datos de gran volumen para descubrir reglas y patrones relevantes.

Se le considera como una disciplina de la ciencia de los datos que describe datos históricos. Su objetivo es predecir resultados futuros.

Además, sus técnicas facilitan la creación de modelos de aprendizaje automático (machine learning, ML) que hacen realidad las aplicaciones modernas de inteligencia artificial (IA), como los algoritmos de los motores de búsqueda y los sistemas de recomendación.

Muy buena clase, esta metodología la requieren muchas empresas actuales que han tenido múltiples sistemas de información que manejaban bases de datos de todo tipo y que pueden llegar a necesitar la extracción de información histórica de gran importancia para el core del negocio.

La minería de datos nos ayuda a encontrarle sentido a los datos que se consideran importantes y han sido alojados por un largo tiempo en una organización.

Con cada reto debe salir el ingenio, es cuestión de unir las diferentes herramientas provistas.
Sumando la persistencia del DataMining con la Velocidad del BigData y asi sucesivamente hará que cualquier reto sea superado con un buen manejo de Base de Datos

Que cool esta clase. Israel, si algun dia lees esto sigueme en mi Instagram(jjcalde21). Sos mi idolo, o al menos pasame tu Instagram 😄

Me gusto la clase

Data Mining --> Sacar datos de donde estén y organizarlos para que tengan sentido y sea aprovechables

Definitivamente una de las mas usadas en las empresas.

Extraer datos -> Tratarlos -> Darles un sentido

Minería de datos muy buena class!

El Data Mining,hace referencia a extraer los datos de cualquier tipo de archivo

In a nutshell:
Data mining is a process used by companies to turn raw data into useful information.

El data mining es como una auditoria pero a nivel de la estructura de almacenamiento de la información

Los datos son un recurso muy valioso, hay que tratarlos con respeto y no echarlos al vertedero jaja 😄

Data Mining

Es la disciplina que se encarga de extraer, tratar y estructurar los datos almacenados en un sistema “caótico”. Guardando el de resultado de “minar los datos” en un sistema coherente y normalizado.

Resumiendo, nos enfocamos en lo importante de los datos, luego de esto, procedemos a analizar las cosas importantes para ver que cuestiones utiles podemos encontrar en ellos y después los almacenamos pero ya de una manera mas aprovechable.

Una de las metodologías más usadas y conocidas para hacer data mining, es CRISP-DM. Adjunto la imágen que indica el ciclo de los datos en la metodología:

Excelente explicaciòn en cada capitulo

Entonces el data mining es como una auditoria pero a nivel de la estructura de almacenamiento de la información, probablemente sea un trabajo pesado pero seguro tendrá su recompensa

El Data Mining se dedica a minar datos, a extraerlos de donde sea que estén (archivos muertos, base de datos actual, etc…) y hacer sentido de ellos para darles un uso.

yo le entendí que el data mining seria como si nosotros fuera Víctor Frankenstein y utilizara los datos dispersos para crear algo en lo que me sirvan

Tengo un actual sistema y esto me lleva a pensar que todo lo tengo en el ambiente de producción y creo ya es necesario ir mirando esto porque tengo data desde hace 8 años, y son registros que en una consulta pasa de 40 segundo extrayendo data!! que bien vi esto!!

El data mining facilita entonces la transición de una base de datos diseñada originalmente para trabajar con poca información a big data.

Data Mining: Disciplina que se dedica a extraer los datos, independiente de donde se encuentren, tratarlos y hacer sentido de ella, estructurarlos y almacenarlos de tal manera que sean aprovechables, tengan cohesión.

Cuando es el momento preciso para migrar en una Datawarehouse, todo nuestro archivo histórico?.

Algunas de las técnicas de la minería de datos.

Descripción de datos
Limpieza de datos
Integración de datos
Trasformación de datos

Vale, creo que admiraré a los data miners, hacer eso debe ser un dolor, tener que ir a buscar aquí y allá, relacionar los datos y demás… ufff

como se hace data mining?

Perfecta explicacion y tema muy interesante para los que nos gusta el picopala picopala

Esta disciplina me parece interesante

Poner orden, esa es la magia que debe hacer el minero de datos

Data mining: Encontrar valor (oro) entre todos los datos (mina) que se tenga.

Data Mining: “minar datos”. Es la disciplina que se dedica a extraer datos de grandes reservorios de datos y darle sentido, e inclusive volver a guardarlos de forma más ordenada.

Entonces ¿Cómo funciona la minería de criptomonedas?

En resumen Datamining es el proceso por el cual se estructura y da sentido a datos historicos, que de otra forma serian imposibles de leer ya que no se encuentran almacenados en sistemas estructurados ni poseen una forma clara de leer los datos para saber que significa la informacion que se encuentra allí almacenada.
Ejemplo:
Toda la data historia de ventas de una compañia de los ultimos 20 años esta guardada en unos 1000 archivos de excel y debe pasarse a un sistema de base de datos para poder hacer consultas historicas

Data Mining: Se dedica a minar datos, a extraerlos de donde sea que estén, en el sentido de sacar patrones de estos datos, este tipo de patrones pasan a ser posteriormente analizados para establecer estrategia de marketing, intentar vender algun tipo de servicio y/o articulo, entre todo esto, el data mining es aplicable mas que todo a bases de datos inmensas puesto que piensa que cada like o cada comentario o accion que haces al momento de navegar en tu ordenador o dispostivos moviles deja una huella, esta tipo de huellas son los que se van analizando para reconocer los patrones respecto a tu comportamiento al momento de aplicar el data mining.

Para que vean que en mexico, realmente existe una necesidad por este tipo de profesionales…
y solo busques en un un portal y veran

El Data Mining deber indispensable en las grandes compañías. es una excelente herramientas, que genera un gran valor de decisión.

Data Mining
Disciplina dedicada al minado de datos, es decir extraer los datos donde estén y darles un sentido. Se aplica el tratado de archivos históricos en bruto

Excelente Clases!

Extraer - Tratar - Dar sentido

Minería de datos — Minero de datos–

Entonces con el data mining puedo optimizar una base de datos?

literalmente, minar

Excelente clase 🙂

Queda claro lo de minarlos.

Primera vez que escucho sobre Data mining

Sencillo, soluciona problemas con datos. 😉

Muy interesante todo este mundo de las bases de datos

buena explicacion!..
excelente! ★★★★★

DataMining es una etapa del procesos KDD que mediante algoritmos y modelos procesa datos de calidad para comprender de forma clara el comportmiento de nuestros datos.

DATA MINING
.
Es una disciplina o técnica que se dedica a minar datos (extraer datos de donde se encuentren) de un archivo muerto, la base de datos actual o multiples fuentes de datos y darle sentido a los mismos aplicando técnicas como ETL. Muchas de las fuentes históricas de datos de una empresa no disponen de un buen sistema, no tienen sentido, no tienen cohesión y no tienen relación (datos en bruto, tablas sin nombre, datos aislados, bases de datos sin normalización, etc).
.
Esta disciplina surge junto con Data Warehouse, ETL y Business Intelligence fueron conceptos ampliamente ligados debido a que son problemas nuevos que surgieron con los grandes volúmenes de datos e históricamente no se habían tratado antes con la persistencia de los datos. Ya que inicialmente todo se trataba con las RDB.
.
Todas estas nuevas disciplina y/o técnicas junto con los datos extraídos se aplican en Machine Learning o Business Intelligence.

  • Disciplina dedicada a minar datos de diferentes fuentes o DB.
  • Busca tratar de extraer los datos de dónde sea que estén(DB, archivo muerto, ETC) y darle un sentido a esa información.
  • Extraer datos. tratarlos y darles un sentido.

Muy buena toda la informacion de estas clases

Data mining

Es una disciplina que se dedica a minar datos. Se trata de extraer datos del lugar que se requieran encontrar, generalmente son almacenes de datos que no están bien organizados, entonces se requiere tratar de una forma especial esa extracción.

"Data mining, consiste en torturar los datos hasta que confiesen” — Wilmer Ropero C, 2020

Yo podría pensar en el Data Mining como cuando se extraen esas pequeños trozos de diamante en medio de la roca. Es decir, la minería me permite encontrar lo valioso en medio de lo que no podría ser valioso. Resulta muy provechoso para las compañías que han guardado una cantidad relevante de datos históricos.

Lo que me quedo de la clase es que sería el paso previo para poder ejercerle BI a los datos.

Data Mining: disciplina que se dedica a minar datos para poder dar provecho a datos que no fueron tenidos en cuenta o no se usaron.

la explicación esta justa y precisa para una claro cada concepto a grandes rasgos y luego profundizar con otros cursos.

De qué trata Data Mining.

Extract, transform and load. Good staff!

estaria bien que pusieran una seccion de cursos sugeridos para despues de terminar este curso, como complemento

Expandiendo la mente con toda esta información.

Como seria una buena manera de exponer este tipo de servicio a una empresa.

Interesante excelente explicación para entender perfectamente el Data Mining!!!

Esto si me parece realmente interesante y al mismo tiempo muy muy complicado.Me gustaría aprender más sobre Data Mining.

muy buena info

Por fin entendí que es la minería de datos y para que sirve.

Gracias!

Data Mining nos ayuda a extraer datos de muchas bases de datos.

gracias

Gracias

información importante para contar con información importante

Sin embargo, también depende de si la empresa comprende la importancia de su información porque hacer minería de datos toma tiempo y consume recursos.

Ordenar la información para que puedan aportar valor y soluciones a las empresas, genial

Muy interesante.

Tutorial de data mining

grep -r "Lo que quieres buscar" /

Data Mining como respuesta a un gran problema.