Entregatze epea: martxoak 3, asteazkena, laborategia baino lehen (martxoak 3-ko laborategia beste eginkizunetarako erabiliko da)

===== Entregatzeko forma ===== Iñaki Inzari (bere bulegoan edo laborategietan), inprimatuta, letra tamaina 12pt, txukuntasuna, izena eta e-maila lehen orriaren goiko partean.
Plastikozko funda batetan, mesedez: hor ere sartuko ditut zuen hurrengo praktikak

    Kurtso guztian zehar behin eta berriz ikusiko dugunez, 80 eta 90-ko hamarkadetan "Data Warehouse" izeneko disziplinaren izugarrizko gorakada ikusi genuen, ordenagailuen kalkulu potentzi eta datu bilketaren hobekuntzaren parean: datu baseak, datuak gorde, kalkulu orrietan, SQL-n, flash memoriak, etc.

    Baina 90. hamarkadaren bukaeran beste galdera ausartago bat plazaratu zen: datuak soilik gorde eta zer gehiago? zer egin datu horiekin? zertarako gorde datuak? kolekzionismo hutsa? datu horietatik zerbait atera-ikasi daiteke, gure begi-bistak esan ezin diguna? Problemaren konozimendu gehiago, pista gehiago atera al daitezke ("Knowledge discovery"). Horren inguruan, sekulako indarrarekin agertu da "Data Mining" disziplina.

    Disziplina honen inguruan, El Pais egunkariak orain dela gutxi ondoko artikulua publikatu zuen, "Data Mining"-aren laburpen polita eginez, eta "Numerati" liburuaren aurkezpena eginez.

    [Galdera 1 -- Irakurketak -- Ikasketa Automatikoaren aplikazio errealak] - Hurrengo loturetan nere atentzioa deitu duten hainbat artikulu dibulgatibo daude, era errazean idatziak, "Data Mining-aren" hainbat aplikazio ulerkor aipatzen dituztenak:

• supermerkatuetan erosketak: haur-oihalak (pañaleak) eta garagardoa. Noizbait planteatu al diozu zure buruari ondokoak: ba al daude supermerkatuetako produktuak zoriz ordenatuak pasilloetan? Supermerkatuek ofertan jartzen dituzten produktuak erlazionatutak al daude? Abantailik ateratzen al dute "Travel Club" erako txartelekin supermerkatu handiek? Zertarako jakin nahi gure datu pertsonalak eta zein erosketa egiten ditugun, zein produktu erosten ditugun?...
• birus-informatikoen beste bariante bat bezala, "malware" programak eta fitxategiak detektatzeko
• gure arerioek poker-eko Internet-eko on-line partiden estiloa ikertu nahian, arerioen jokatzeko estiloaren gainean ikasketa automatikoa aplikatu nahian beraien jokatzeko era jakiteko...
• noiz erosi "low cost flight company batetan" billeteak? (kuriosidade bezala, orain dela gutxi Microsoft-ek erosi zuen artikuluan erreferentziatzen den "Farecast" enpresa)

    Banan banan irakurri eta bakoitzarentzat hurrengo galderei erantzun:

1. zein da ebatzi nahi duten problema (predizitu nahi duten gertaera-aldagaia)?
2. ba al dute erabilitako aldagai prediktoreek informazio nahikoa predikzio zihurrak egiteko? uste al duzu kasu-exenplu nahiko izango al ditugu modelo zihurrak-solidoak eraikitzeko?
3. antzematen al duzu "non dauden" datuak, hau da, "nondik ateratzen-sortzen" diren datuak?
4. iruditzen al zaizu mundu errealean aplikazio honek erabilgarritasunik duenik?
5. zergatik da beharrezkoa "data mining" egitea, datu analisia? ez al dago gizaki jakitunik non zihurtasun osoz klasifika ditzaken kasu berriak?
6. eta abar...

    [Galdera 2 -- Data Mining-eko problema baten proposamena] - Aurreko irakurketak egin eta gero, praktika honen bigarren galdera bezala eskatzen dizut proposatzeko, zure intuizioan oinarrituta, problema bat non bere gainean "Data Warehouse -- Data mining -- Knowledge discovery" katea egitea zentzua izango zuen:

1. zein utilidadea izango zuen? gizakiek begiz ikus ezin dezakegun zer nolako jakinduri mota egon daiteke datuetan?...
2. nondik jasotzen dituzu datuak? (web-a, formularioak, inkestak...)
3. zergatik da beharrezkoa "data mining" egitea, datu analisia? ez al dago gizaki jakitunik non zihurtasun osoz klasifika ditzaken kasu berriak?
4. eman itzazu zure intuizioa oinarritzen duten eta bisitatu dituzun Internet-eko helbideak

 

    [Galdera 3 -- Data mining-aren ingelesezko definizio eta oinarrizko kontzeptuak] --  Stanford-eko Unibertsitateko web orri honetan ikasketa automatikoko ("machine learning") hainbat oinarrizko terminoen definizioak agertzen dira. Hauetako askok kurtso guztian zehar behin eta berriz erabiliko ditugu.
Laburki, euskaraz defini itzazu ondoko terminoak, kontutan izanda klase teorikoetan jasotako informazioa, eta ere eman ezazu euskaraz klasetan erabiltzen dugu terminoaren izena (diferentea izan ezkeroz): accuracy, attribute-feature, aldagai motak (categorical, continuous), classifier, confusion matrix, true positive rate, false positive rate, cross-validation, data cleaning, data mining, instance, knowledge discovery, machine learning, missing value, model, supervised learning.