Bienvenida conceptos b谩sicos y contexto hist贸rico de las Bases de Datos

1

Bienvenida conceptos b谩sicos y contexto hist贸rico de las Bases de Datos

Introducci贸n a las bases de datos relacionales

2

Historia de las bases de datos relacionales

3

Qu茅 son entidades y atributos

4

Entidades de Platzi Blog

5

Relaciones

6

M煤ltiples muchos

7

Diagrama ER

8

Diagrama F铆sico: tipos de datos y constraints

9

Diagrama F铆sico: normalizaci贸n

10

Formas normales en Bases de Datos relacionales

11

Diagrama F铆sico: normalizando Platziblog

RDBMS (MySQL) o c贸mo hacer lo anterior de manera pr谩ctica

12

Instalaci贸n local de un RDBMS (Windows)

13

驴Qu茅 es RDB y RDBMS?

14

Instalaci贸n local de un RDBMS (Mac)

15

Instalaci贸n local de un RDBMS (Ubuntu)

16

Clientes gr谩ficos

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

驴Qu茅 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

驴Por qu茅 las consultas son tan importantes?

28

Estructura b谩sica 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

驴C贸mo convertir una pregunta en un query SQL?

39

Pregunt谩ndole a la base de datos

40

Consultando PlatziBlog

Introducci贸n a la bases de datos NO relacionales

41

驴Qu茅 son y cu谩les son los tipos de bases de datos no relacionales?

42

Servicios administrados y jerarqu铆a 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

驴Por qu茅 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

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Aprende todo un fin de semana sin pagar una suscripci贸n 馃敟

Aprende todo un fin de semana sin pagar una suscripci贸n 馃敟

Reg铆strate

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 est茅n (archivos muertos, base de datos actual, etc鈥) y hacer sentido de ellos para darles un uso.

Aportes 117

Preguntas 9

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

Escuche un significado que me gusto en otro curso: 馃槃

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

EJEMPLOS DE APLICACIONES DE LA MINER脥A DE DATOS
La capacidad predictiva del data mining ha cambiado el dise帽o 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 miner铆a de datos se utiliza para explorar bases de datos cada vez mayores y mejorar la segmentaci贸n del mercado. Analizando las relaciones entre par谩metros como edad de los clientes, g茅nero, gustos, etc., es posible adivinar su comportamiento para dirigir campa帽as personalizadas de fidelizaci贸n o captaci贸n. El data mining en marketing predice tambi茅n qu茅 usuarios pueden darse de baja de un servicio, qu茅 les interesa seg煤n sus b煤squedas o qu茅 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 c贸mo situarlos en los diferentes pasillos y estanter铆as de los lineales. El data mining detecta adem谩s qu茅 ofertas son las m谩s valoradas por los clientes o incrementa la venta en la cola de caja.

Banca: Los bancos recurren a la miner铆a de datos para entender mejor los riesgos del mercado. Es habitual que se aplique a la calificaci贸n 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 tambi茅n permite a la banca conocer m谩s sobre nuestras preferencias o h谩bitos en internet para optimizar el retorno de sus campa帽as de marketing, estudiar el rendimiento de los canales de venta o gestionar las obligaciones de cumplimiento de las regulaciones.

Medicina: La miner铆a de datos favorece diagn贸sticos m谩s precisos. Al contar con toda la informaci贸n del paciente 鈥攈istorial, examen f铆sico y patrones de terapias anteriores鈥 se pueden prescribir tratamientos m谩s efectivos. Tambi茅n posibilita una gesti贸n m谩s eficaz, eficiente y econ贸mica de los recursos sanitarios al identificar riesgos, predecir enfermedades en ciertos segmentos de la poblaci贸n o pronosticar la duraci贸n del ingreso hospitalario. Detectar fraudes e irregularidades y estrechar v铆nculos con los pacientes al ahondar en el conocimiento de sus necesidades son tambi茅n ventajas de emplear el data mining en medicina.

Televisi贸n y radio: Hay cadenas que aplican la miner铆a de datos en tiempo real a sus registros de audiencia en televisi贸n online (IPTV) y radio. Estos sistemas recaban y analizan sobre la marcha informaci贸n an贸nima de las visualizaciones, las retransmisiones y la programaci贸n 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, adem谩s, conocimiento muy valioso para sus anunciantes, que aprovechan estos datos para llegar con m谩s precisi贸n a sus clientes potenciales.

Refe DATA MINING鈥: DEFINICI脫N, EJEMPLOS Y APLICACIONES

El datamining (miner铆a de datos), es el conjunto de t茅cnicas y tecnolog铆as que permiten explorar grandes bases de datos, de manera autom谩tica o semiautom谩tica, 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 est茅n, organizarlos y que puedan ser utilizables.

De los mejores profesores de platzi!

Data Mining: es la t茅cnica 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 a帽os de experiencia jugando minecraft.

ten铆a m谩s expectativa sobre esta clase en particular, habl贸 mucho pero no dijo nada.

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

Me llama mucho la atenci贸n 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 dar铆a muy buenos resultados sobre el aprovechamiento de reactivos y en general de varias variables que pueden optimizarse si se considera su estudio y ordenamiento.

Recomend贸 continuar con ETL para aprender las t茅cnicas de extracci贸n de datos鈥 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 admirar茅 a los data miners, hacer eso debe ser un dolor, tener que ir a buscar aqu铆 y all谩, relacionar los datos y dem谩s鈥 ufff

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

La miner铆a 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 hist贸ricos. Su objetivo es predecir resultados futuros.

Adem谩s, sus t茅cnicas facilitan la creaci贸n de modelos de aprendizaje autom谩tico (machine learning, ML) que hacen realidad las aplicaciones modernas de inteligencia artificial (IA), como los algoritmos de los motores de b煤squeda y los sistemas de recomendaci贸n.

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 馃槃

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

驴Hay cursos sobre este tema?

Excelente v铆deo instructor Israel, para verificar si entend铆 claramente, Data Mining es la pr谩ctica de extraer datos, organizarlos, darles sentido y almacenarlos de forma correcta. 驴Esta pr谩ctica se aplica tanto a los medios f铆sicos (Documentos, Carpetas) como a los electr贸nicos o solo los electr贸nicos? Es decir, 驴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 metodolog铆as m谩s usadas y conocidas para hacer data mining, es CRISP-DM. Adjunto la im谩gen que indica el ciclo de los datos en la metodolog铆a:

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 metodolog铆a la requieren muchas empresas actuales que han tenido m煤ltiples sistemas de informaci贸n que manejaban bases de datos de todo tipo y que pueden llegar a necesitar la extracci贸n de informaci贸n hist贸rica de gran importancia para el core del negocio.

La miner铆a de datos nos ayuda a encontrarle sentido a los datos que se consideran importantes y han sido alojados por un largo tiempo en una organizaci贸n.

Con cada reto debe salir el ingenio, es cuesti贸n de unir las diferentes herramientas provistas.
Sumando la persistencia del DataMining con la Velocidad del BigData y asi sucesivamente har谩 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

Miner铆a 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 informaci贸n

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

Data Mining

Es la disciplina que se encarga de extraer, tratar y estructurar los datos almacenados en un sistema 鈥渃a贸tico鈥. Guardando el de resultado de 鈥minar los datos鈥 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 despu茅s los almacenamos pero ya de una manera mas aprovechable.

Excelente explicaci貌n en cada capitulo

Entonces el data mining es como una auditoria pero a nivel de la estructura de almacenamiento de la informaci贸n, probablemente sea un trabajo pesado pero seguro tendr谩 su recompensa

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

yo le entend铆 que el data mining seria como si nosotros fuera V铆ctor 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 producci贸n y creo ya es necesario ir mirando esto porque tengo data desde hace 8 a帽os, y son registros que en una consulta pasa de 40 segundo extrayendo data!! que bien vi esto!!

El data mining facilita entonces la transici贸n de una base de datos dise帽ada originalmente para trabajar con poca informaci贸n 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 cohesi贸n.

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

Algunas de las t茅cnicas de la miner铆a de datos.

Descripci贸n de datos
Limpieza de datos
Integraci贸n de datos
Trasformaci贸n 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 gustar铆a aprender m谩s sobre Data Mining.

驴Qu茅 es el minado de Datos o Data Mininig?
El minado de datos es un conjunto de t茅cnicas y tecnolog铆as que permiten explorar grandes bases de datos, de manera autom谩tica o semiautom谩tica, 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 innovaci贸n tecnol贸gica muy reciente, en realidad este t茅rmino apareci贸 en los a帽os sesenta conjuntamente con otros conceptos como, por ejemplo, el data fishing o data archeology. No obstante, no fue hasta los a帽os ochenta cuando empez贸 su consolidaci贸n.

La miner铆a de datos surgi贸 con la intenci贸n 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 fidelizaci贸n de clientes.

Su principal finalidad es explorar, mediante la utilizaci贸n de distintas t茅cnicas y tecnolog铆as, bases de datos enormes de manera autom谩tica. 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 estad铆sticas o algoritmos de b煤squeda pr贸ximos 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 informaci贸n 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 est谩n bien organizados, entonces se requiere tratar de una forma especial esa extracci贸n.

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

DATA MINING
.
Es una disciplina o t茅cnica 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 t茅cnicas como ETL. Muchas de las fuentes hist贸ricas de datos de una empresa no disponen de un buen sistema, no tienen sentido, no tienen cohesi贸n y no tienen relaci贸n (datos en bruto, tablas sin nombre, datos aislados, bases de datos sin normalizaci贸n, 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 vol煤menes de datos e hist贸ricamente no se hab铆an tratado antes con la persistencia de los datos. Ya que inicialmente todo se trataba con las RDB.
.
Todas estas nuevas disciplina y/o t茅cnicas junto con los datos extra铆dos 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: 鈥渕inar datos鈥. Es la disciplina que se dedica a extraer datos de grandes reservorios de datos y darle sentido, e inclusive volver a guardarlos de forma m谩s ordenada.

Entonces 驴C贸mo funciona la miner铆a 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 all铆 almacenada.
Ejemplo:
Toda la data historia de ventas de una compa帽ia de los ultimos 20 a帽os 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 est茅n, 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鈥
y solo busques en un un portal y veran

El Data Mining deber indispensable en las grandes compa帽铆as. es una excelente herramientas, que genera un gran valor de decisi贸n.

Data Mining
Disciplina dedicada al minado de datos, es decir extraer los datos donde est茅n y darles un sentido. Se aplica el tratado de archivos hist贸ricos en bruto

Excelente Clases!

Extraer - Tratar - Dar sentido

Miner铆a de datos 鈥 Minero de datos鈥

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

literalmente, minar

Excelente clase 馃檪

Queda claro lo de minarlos.

Primera vez que escucho sobre Data mining

Sencillo, soluciona problemas con datos. 馃槈

Muy interesante todo este mundo de las bases de datos

buena explicacion!..
excelente! 鈽呪槄鈽呪槄鈽

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 miner铆a de datos es una t茅cnica de an谩lisis 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 informaci贸n valiosa y 煤til 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 informaci贸n, la investigaci贸n m茅dica y la personalizaci贸n 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 metodolog铆a generalmente utilizada para llevar adelante procesos de Data Mining.

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

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

DATA MINING

Extracci贸n, procesamiento y guardado ordenado de datos!

  • Disciplina dedicada a minar datos de diferentes fuentes o DB.
  • Busca tratar de extraer los datos de d贸nde sea que est茅n(DB, archivo muerto, ETC) y darle un sentido a esa informaci贸n.
  • Extraer datos. tratarlos y darles un sentido.

Muy buena toda la informacion de estas clases

Yo podr铆a pensar en el Data Mining como cuando se extraen esas peque帽os trozos de diamante en medio de la roca. Es decir, la miner铆a me permite encontrar lo valioso en medio de lo que no podr铆a ser valioso. Resulta muy provechoso para las compa帽铆as que han guardado una cantidad relevante de datos hist贸ricos.

Lo que me quedo de la clase es que ser铆a 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 explicaci贸n esta justa y precisa para una claro cada concepto a grandes rasgos y luego profundizar con otros cursos.

De qu茅 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 informaci贸n.