En este tutorial se pretende ofrecer una panorámica aplicada de las distintas técnicas de preprocesado de características, muy útil en procesos de minería de datos y aprendizaje automático. Dentro de las técnicas de preprocesado de datos, se abordarán tanto aquellas orientadas a la reducción de dimensionalidad (filtros y wrappers para la selección automática de características), como aquellas orientadas a la transformación del espacio (proyecciones y extracción de características) y al aumento de la dimensionalidad (creación de características utilizando conocimiento del dominio, relaciones existentes, redes neuronales, clustering, etc.). El objetivo del tutorial es organizar y poner en práctica un conocimiento muy útil para áreas como el Aprendizaje Automático, pero sobre el que existe bastante desconocimiento por haber sido "segundo plato" durante mucho tiempo (hasta hace relativamente poco tiempo apenas se han dedicado esfuerzos a este preprocesado de características mientras que se han volcado en el desarrollo de algoritmos de aprendizaje) pero que ha cobrado mucho peso específico los últimos años debido a la aparición de conjuntos de datos con gran cantidad de características sobre los que es inviable realizar un aprendizaje sin la ayuda de alguna de estas técnicas. El tutorial se desarrollará mediante transparencias para la parte teórica que se intercalará con demos y ejercicios. También se tratarán unos prácticos finales para acabar de poner los conocimientos en práctica, permitiendo una mayor proactividad del público (se pretende abordar este tutorial desde una cierta perspectiva de metodología activa para el máximo aprovechamiento del mismo).
Para más información, visite la página de Tutoriales de CAEPIA 2007
Última actualización: 11 de Febrero de 2003