Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Modelos Predictivos basados en Arboles de Decisiones

187 views

Published on

Modelos Predictivos basados en Arboles de Decisiones

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

Modelos Predictivos basados en Arboles de Decisiones

  1. 1. Limitless Power of Information Business Analytics Society https://addkw.com/ Modelos Predictivos basados en arboles de decisiones 1 1. SUMILLA El Analista de Negocios de una organización es el profesional con conocimiento de las tecnologías, procesos de negocios, técnicas estadísticas y con habilidades para la creación de modelos de análisis y decisión que posibilita crear conocimiento en la empresa con ayuda de toda la información dispersa en la organización. El curso de "Modelos Predictivos basados en la técnica de Arboles de Decisión", busca sentar las bases para un dominio consistente de los procesos, técnicas y tecnologías necesarias para construir modelos predictivos que puedan ser aplicados en distintos sectores de la sociedad y economía. La Analítica Predictiva es el campo de más rápido crecimiento en las organizaciones y será el más importante sector de inversión tecnológica. En el siglo XXI el profesional "Analista de Datos y/o Negocios" será el más demandado por todas las organizaciones por lo que los profesionales deben prepararse y actualizarse en las tecnologías, técnicas y procesos de la Analítica Predictiva. Ser un consultor en Analítica de Negocios es posicionarse en la ola de la innovación tecnológica, mantenerse siempre actualizado con las últimas tendencias tecnológicas, ser parte de las decisiones estratégicas de una organización y responder la alta demanda de profesionales que en están siendo requeridos. El contenido está orientado a todo el personal involucrado en tareas de modelización y análisis de datos dentro de una investigación específica desarrollada en su empresa. 2. OBJETIVOS 2.1.OBJETIVOS GENERALES El objetivo general del curso es la de crear las bases tanto conceptuales como estadísticas y dotar al alumno de una serie conocimientos y herramientas lo suficientemente avanzadas para el análisis y modelización de datos basadas en la técnica de arboles de decisiones. Los conocimientos adquiridos en este curso permitirán a los asistentes diseñar un modelo de predicción académico robusto de cara a la presentación de los resultados en un informe. Se utilizará para el desarrollo de la clase el programa AnswerMiner, de analítica de datos, que es una plataforma potente, veloz y amigable orientada al usuario final.
  2. 2. Limitless Power of Information Business Analytics Society https://addkw.com/ Modelos Predictivos basados en arboles de decisiones 2 2.2.OBJETIVOS ESPECIFICOS 2.2.1. Conocer los conceptos base de análisis estadístico. 2.2.2. Conocer los conceptos relativos al modelo de árbol de decisiones. 2.2.3. Conocer los elementos de la plataforma de analítica de datos AnswerMiner. 2.2.4. Conocer los modelos de arboles de decisión. 2.2.5. Construir un caso de uso basado en un modelo predictivo empleando la técnica de arboles de decisión. 3. LA METODOLOGIA DE ENSEÑANZA El curso se desarrolla a través de procesos de e-learning de transferencia de conocimiento. Asimismo en el curso los estudiantes disponen una base de datos de conocimiento con información de: - Videos explicativos de las lecciones teóricas y prácticas - Manuales y documentos de interés. - Links de importancia. - Etc. Durante el curso se desarrollarán varios ejemplos de análisis de datos basados en arboles de decisión. Al final del curso el alumno presentará un caso de uso. LPI tendrá derecho a utilizar con fines de difusión, formación e investigación todo el material utilizado en el curso. LPI podrá publicar en el portal y en la base de conocimientos los estudios de casos seleccionados, otorgando los créditos de autoría al estudiante. Los horarios son abiertos a elección del participante en coordinación con LPI. Al ser cursos personalizados hay amplia flexibilidad de elección de los horarios, teniendo en consideración la diferencia de horas ya que los docentes pueden estar en Europa o en LatinoAmerica.
  3. 3. Limitless Power of Information Business Analytics Society https://addkw.com/ Modelos Predictivos basados en arboles de decisiones 3 4. UNIDADES Y CONTENIDOS TEMÁTICOS POR SESIÓN PROGRAMA SEMANAL (CLASES) – 20 horas de lección. Lección HRS. TEMA 1 03 Arboles de decisión, conceptos y aplicaciones - 2 03 Plataforma de Analítica de Datos: AnswerMiner. 3 03 Preparación de Datos con AnswerMiner. 4 03 Análisis estadístico de los datos. 5 03 Análisis de correlaciones. 6 03 Implementación del modelo de decisión. 7 02 Presentación del caso de uso. 5. PUBLICO OBJETIVO El curso está dirigido a cualquier persona involucrada en el análisis de datos y modelización de los mismos dentro de la empresa. 6. REQUERIMIENTOS Para el dictado del curso el estudiante debe contar con lo siguiente: - Software: AnswerMiner, Excel 2010+ (a quienes lo soliciten se les asesorará en el acceso a AnswerMiner). - Sistema de audio y video en correcto funcionamiento. - Línea de internet estable, mínimo de 3 GBits - Modelo de datos para la implementación del caso de uso.
  4. 4. Limitless Power of Information Business Analytics Society https://addkw.com/ Modelos Predictivos basados en arboles de decisiones 4 Anexo A EJEMPLO DE CASO DE USO DEL CURSO En este caso el alumno elegirá un problema real. En el Ejercicio deberá seleccionar las variables que formaran parte de su modelo, los datos y la variable a predecir. El modelo debe compararlo con otros modelos similares para ese tipo de casos. Finalmente, el alumno presentará en la plataforma web durante un tiempo máximo de 15 minutos el trabajo realizado y los resultados de la corrida de su modelo. 1. INTRODUCCIÓN. 1.1. Problema planteado 2. MATERIAL Y MÉTODOS 2.1. Obtención de los datos. 2.2. Métodos de análisis (gráficos) seleccionados para este caso. 2.3.Selección de las variables que formaran parte de su modelo de árbol de decisión y sus alternativas. 2.4. Justificación del método elegido. 3. RESULTADOS. 3.1. Ejecución del modelo en la plataforma AnswerMiner. 3.2. Análisis de resultados obtenidos. 3.3. Comparación con otros métodos de análisis. 4. Conclusiones. 4.1. Discusión del resultado. 4.2. Conclusiones.

×