1. Nociones básicas
  2. - Minería de datos
  3. - Minería de datos y aprendizaje automático
  4. - Data Mining y Machine learning ¿Por qué?
  5. Concepto de DataWareHouse
  6. - Características de Datawarehouse
  7. - Característica adicional
  8. - Principales aportaciones de un DataWareHouse

  1. Aplicación.
  2. - Principales aportaciones de un data warehouse
  3. Elementos.
  4. - Definición de los objetivos
  5. - Implementación
  6. - Características
  7. Data Warehouse en la nube
  8. - Los beneficios de la cloud data integration

  1. Datamart
  2. DataMart: Componentes
  3. - Fuentes de Datos
  4. - Procesos de extracción, transformación y carga de datos (ETL)
  5. - Data Warehouse
  6. - Herramientas de Explotación

  1. Base de datos central
  2. - Productos comerciales para BI
  3. - Productos Open Source para BI
  4. - Beneficios de las herramientas de BI

  1. Creación de Cubos.
  2. - Plataformas OLAP
  3. - Visores OLAP
  4. Transformación, extracción y carga.
  5. - Fases de un proceso ETL

  1. Discoverer Administrador.
  2. MOLAP, ROLAP & HOLAP
  3. - Sistemas MOLAP
  4. - Sistemas ROLAP
  5. - Sistemas HOLAP
  6. Sistema de Soporte a la Desición (DSS)
  7. - Diferencia con otras herramientas de Business Intelligence
  8. - Tipos de sistemas de Soporte de Decisiones.
  9. Sistemas de Información Ejecutiva (EIS)
  10. Cliente y Servidor
  11. Discoverer Desktop

  1. Minería de datos
  2. ¿Qué podemos hacer con data Mining?
  3. ¿Qué usos puede tener el data Mining?
  4. Metodología de la minería de datos
  5. Algunas técnicas estadísticas utilizadas en data mining
  6. - Redes neuronales artificiales
  7. Árboles de decisión
  8. - Representación de un árbol de decisión
  9. - Problemas apropiados para los árboles de decisión
  10. Reglas de inducción
  11. Redes Bayesanas
  12. Algoritmos Genéticos

  1. Ciclo data mining.
  2. Minería de Textos y Web Mining
  3. - Web Mining
  4. Data mining y marketing
  5. - Proceso de Data Mining