Desarrolles su capacidades predictivas para tomar mejores decisiones organizacionales.

Pre-inscribir

IBM SPSS Modeler ofrece una gran variedad de métodos de modelado procedentes del aprendizaje automático, la inteligencia artificial y la estadística, que le permiten modelar su información histórica para anticipar eventos.

A través de ejercicios prácticos incursionará en la etapa de modelado que hace parte de la metodología CRISP. Aprenderá a identificar y diseñar las diferentes aplicaciones para los modelos predictivos. Entenderá los supuestos que se requieren en cada método, la manera operativa de llevarlos a cabo y la forma correcta de interpretar los resultados.

Objetivo

Introducir al usuario en la etapa de modelado de la metodología CRISP-DM, presentar las diversas técnicas de modelado y su correcta utilización con enfoque de negocio.

Contenido

El contenido de este curso está conformado por los siguientes temas:

  1. Preparación de datos.
  2. Reducción de datos.
  3. Técnicas de agrupación.
  4. Modelos de regresión lineal y logística.
  5. Reglas inductivas.
  6. Redes neuronales, reglas de asociación y secuencia.
Metodología

La metodología que utilizamos en nuestros cursos de capacitación presencial, involucra métodos expositivos, participativos y de análisis, combinando los conceptos teóricos con el desarrollo de ejercicios prácticos, haciendo uso de las utilidades que ofrece IBM SPSS Modeler.

Los participantes tienen la posibilidad de realizar laboratorios individuales o grupales para reforzar los conceptos impartidos. En este sentido, las bases de datos que se emplean para el desarrollo del curso son estándar y provistas por el instructor.

Perfil de los asistentes

Profesionales de todas las áreas que estén familiarizados con la minería de datos y que requieran hacer uso de modelos predictivos para orientar acciones de negocio preventivas.

DURACIÓN

24 horas

NIVEL

Medio

REQUISITOS

Haber tomado el curso de Introducción a la Minería de Datos con IBM SPSS Modeler.

Muestras Complejas con IBM SPSS Statistics

Analítica aplicada a cobranzas

Prevención del fraude

Perfilamiento analítico