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

Qué son 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

Instalación local de un RDBMS (Windows)

13

¿Qué es RDB y RDBMS?

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

Playground: SELECT en SQL

31

FROM y SQL JOINs

32

Utilizando la sentencia FROM

33

WHERE

34

Utilizando la sentencia WHERE nulo y no nulo

35

GROUP BY

36

ORDER BY y HAVING

37

El interminable agujero de conejo (Nested queries)

38

¿Cómo convertir una pregunta en un query SQL?

39

Preguntándole a la base de datos

40

Consultando PlatziBlog

Introducción a la bases de datos NO relacionales

41

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

42

Servicios administrados y jerarquía de datos

Manejo de modelos de datos en bases de datos no relacionales

43

Top level collection con Firebase

44

Creando y borrando documentos en Firestore

45

Colecciones vs subcolecciones

46

Recreando Platziblog

47

Construyendo Platziblog en Firestore

48

Proyecto final: transformando tu proyecto en una db no relacional

Bases de datos en la vida real

49

Bases de datos en la vida real

50

Big Data

51

Data warehouse

52

Data mining

53

ETL

54

Business intelligence

55

Machine Learning

56

Data Science

57

¿Por qué aprender bases de datos hoy?

Bonus

58

Bases de datos relacionales vs no relacionales

59

Elegir una base de datos

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Aprende todo un fin de semana sin pagar una suscripción 🔥

Aprende todo un fin de semana sin pagar una suscripción 🔥

Regístrate

Comienza en:

0D
21H
30M
7S

Data mining

52/59
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 117

Preguntas 9

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

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.

De los mejores profesores de platzi!

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

Experiencia laboral para el cargo de Data Mining: 5 años de experiencia jugando minecraft.

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

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

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.

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

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

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.

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.

Me gusto la clase

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

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

¿Hay cursos sobre este tema?

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?

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

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:

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

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

Definitivamente una de las mas usadas en las empresas.

minar
mi menta: CRIPTOS

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.

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

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.

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

¿Qué es el minado de Datos o Data Mininig?
El minado de datos es un conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos que expliquen el comportamiento de estos datos.

A pesar de que la idea del Data Mining puede parecer una innovación tecnológica muy reciente, en realidad este término apareció en los años sesenta conjuntamente con otros conceptos como, por ejemplo, el data fishing o data archeology. No obstante, no fue hasta los años ochenta cuando empezó su consolidación.

La minería de datos surgió con la intención o el objetivo de ayudar a comprender una enorme cantidad de datos y que estos pudieran ser utilizados para extraer conclusiones para contribuir en la mejora y el crecimiento de las empresas. Sobre todo, por lo que hace a las ventas o fidelización de clientes.

Su principal finalidad es explorar, mediante la utilización de distintas técnicas y tecnologías, bases de datos enormes de manera automática. El objetivo es encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos que se han ido recopilando con el tiempo. Estos patrones pueden encontrarse utilizando estadísticas o algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales.

Por tanto, los datos son el medio o la base para llegar a conclusiones y transformar estos datos en información relevante, para que las empresas puedan abarcar mejoras y soluciones que les ayuden a conseguir sus objetivos.

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

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.

Yo creo que los Data miners no se la han de pasar bien al tener que resolver todo la cantidad de datos desordenados

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.

En resumen, la minería de datos es una técnica de análisis de datos avanzada que se utiliza para descubrir patrones, relaciones y conocimientos ocultos en grandes conjuntos de datos. Se utiliza en diversas industrias para obtener información valiosa y útil que pueda ser utilizada para la toma de decisiones empresariales.

El **data mining **se utiliza en una amplia variedad de aplicaciones, como la toma de decisiones empresariales, la seguridad de la información, la investigación médica y la personalización de productos y servicios. Por ejemplo, el data mining puede ayudar a las empresas a identificar oportunidades de mercado, mejorar la eficiencia operativa y optimizar los procesos de negocios.

Data mining, oh por Dios

El minecraft de los datos

Les comparto el diagrama del Cross-Industry Standard Process for Data Mining, que resumidamente se trata de la metodología generalmente utilizada para llevar adelante procesos de Data Mining.

Básicamente es el inicio del Proceso para sacar Info valiosa de los Datos y empezar a crear una cultura Data Driven

Los datos por sí solos no significan nada. Data mining se encarga de darles sentido a un conjunto de datos.

DATA MINING

Extracción, procesamiento y guardado ordenado de datos!

  • 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

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.