Unidad 1. Presentación del curso y de los temas del programa. Introducción a los campos de aplicación. Problemas y metodologías de trabajo típicas en ciencia y tecnología. Sistemas y data mining.

Unidad 2. Data-mining en astronomía. El espectro electromagnético: frecuencia, longitud de onda y energía. Asociaciones espaciales y temporales de eventos: multiplicidad de barridos con diferentes sensores y multiplicidad de datos en el tiempo. Exploración sistemática de datos. Correlación cruzada e identificación cruzada de objetos. Observatorios virtuales.

Unidad 3. Temas especiales de clustering. clustering difuso, por densidad, por prototipos y para datos mixtos. Validación de clusters.

Unidad 4. Estándares en data-mining. Necesidad. Campos de Aplicación. Ejemplos: CRISP y PMML.

Unidad 5. Data-mining y sistemas ontológicos. Definición de ontología. Contenido deinformación y similitud semántica en una ontología. Organización de metadatos en una ontología y utilización en data mining.

Unidad 6. Data-mining en bioinformática. Análisis de secuencias de ADN y proteínas. Bases de datos de secuencias de ADN y proteínas. Uso de micromatrices de ADN para analizar la expresión de genes. Limpieza y extracción de datos. Técnicas estadísticas, de clasificación y de agrupamiento para el análisis de datos de expresión génica. Utilización de ontologías.

Unidad 7. Análisis de redes. Grafos dirigidos y no dirigidos. Grafos bipartitos. Propiedades globales de redes: distancia, diámetro, medidas de centralidad. Clustering ybúsqueda de motivos. Redes de interacciones. Redes de correlación. Aplicaciones en data mining. Ejemplos en biología y tecnología.

Unidad 8. Introducción a sistemas de información geográfica (GIS). Sensores remotos para la obtención de información geográfica. Espectro electromagnético. Representación por píxel y vectorial. Pre-procesamiento. La organización de la información geográfica: mapas y capas. Las consultas en sistemas GIS.