Dr. Stan Matwin: es Director del Departamento de Estudios de Post-grado en Ciencias de la Computación de la Universidad de Ottawa, Canadá. Fué Presidente de la Sociedad Canadiense de Estudios de Inteligencia, y es miembro del Consejo Editorial de "Intelligent Data Analysis", y de los Comités de Programa de ECML e ILP también es autor y/o co-autor de más de 100 papers (con arbitraje), y referee para NSF, NSERC, FCAR, y SSHRC, entre otros. Es Presidente de MetaGuide Inc., empresa especializada en Data Mining, y miembro principal de Matwin & Associates, consultora de Ottawa.

Presentar los conceptos básicos y técnicas de Data Mining y Machine Learning. Luego del curso, los participantes estarán en condiciones de : (1) evaluar, seleccionar y usar, las técnicas que mejor se adecuen a sus necesidades; (2) comprender literatura avanzada sobre Data Mining/Machine Learning; (3) cooperar significativamente con los Ingenieros en Conocimiento, como consultores; (4) encarar proyectos para programas de post-grado.

El aprendizaje desde ejemplos como inferencia inductiva. Predicción contínua. Tópicos de lenguajes de representación para datos y resultados. Métodos inductivos básicos. Arboles de decisión. Rule y Bayesian Learning. Redes neuronales. Pros y contras de cada método. Data Mining: evaluación de resultados. Exactitud y validación. Matrices de costo y curvas ROC. Aprendizaje en presencia del conocimiento del dominio del problema. Aplicaciones: detección de derrames de petróleo a partir de imágenes satelitales, y predicción de fallas en la unidad de potencia de Air Canadá Data Mining en el contexto de las Bases de Datos: Middleware, data marts y data cubes. Opcional: Práctica con alguna herramienta de Data Mining.

El curso está dirigido a estudiantes de 3er año en adelante, Graduados, Científicos, Ingenieros y Profesionales.