Emilio Carrizosa Priego

Profesor Titular de Estadística e Investigación Operativa

Departamento de Estadística e Investigación Operativa, Universidad de Sevilla

Resumen

         Motivada por la revolución tecnológica y la globalización económica, en la última década se ha presenciado una enorme demanda social de creación y desarrollo de sistemas de ayuda a la toma de decisiones que pudieran extraer información y generar conocimiento a partir de las modernas bases de datos existentes. Así ha nacido una disciplina, a medio camino entre las Matemáticas y la Informática, que es la Minería de Datos.

         La Genómica, las Finanzas, la Medicina, la Informática y las Telecomunicaciones, entre otros, han sido sectores tecnológicos en los que con frecuencia han aparecido nuevos problemas de este tipo. Para poder abordarlos ha sido necesario desarrollar nuevas herramientas con una fuerte base matemática, tanto en los aspectos de modelado como en la algorítmica.

         En esta charla revisaremos algunos de los problemas de la Minería de Datos que se están resolviendo exitosamente usando modelos matemáticos y métodos de Programación Matemática.

Referencias

C. Apte (2003): The Big (Data) Dig. OR/MS Today, Febrero 2003. [Disponible en http://www.lionhrtpub.com/orms/orms-2-03/frdatamining.html].

P.S. Bradley, U.M. Fayyad, O.L. Mangasarian (1999): Mathematical Programming for Data Mining: formulations and challenges. INFORMS Journal on Computing 11, 217-238.

R. Giráldez, J.C. Riquelme, J.S. Aguilar-Ruiz (2004): Tendencias de la Minería de Datos en España. Red Española de Minería de Datos. [ISBN 84-688-8442-1].

D.J. Hand, H. Mannila, P. Smith (2001): Principles of Data Mining. MIT Press, Cambridge. [ISBN 0-262-08290-X].

J. Hernández Orallo, M.J. Ramírez Quintana, C. Ferri Ramírez (2004): Introducción a la Minería de Datos. Pearson Educación, Madrid. [ISBN 84-205-4091-9].

Data Mining, Knowledge Discovery, Genomic Mining, Web Mining, http://www.kdnuggets.com [y todas las referencias que allí se encuentran].

INFORMS Section on Data Mining, http://dm.section.informs.org.