BEGIN:VCALENDAR
PRODID:-//Microsoft Corporation//Outlook 12.0 MIMEDIR//EN
VERSION:2.0
METHOD:PUBLISH
X-MS-OLK-FORCEINSPECTOROPEN:TRUE
BEGIN:VEVENT
CLASS:PUBLIC
CREATED:20260413T132639Z
DESCRIPTION:Curso Online en formato webinar con el profesor. \nSe dará una certificación al final del mismo si se superan las pruebas. \nInicio del curso previso para el sábado 16 de noviembre 2019.\nSe irán coordinando fechas con los alumnos.\nPuede ser que el curso se atrase.\n \nInteligencia analítica\n \nCompitiendo con el analisis\nIntroducción al Big Data y Cloud Computing.\n \nComponentes, infraestructura. arquitectura del Big Data\nAplicaciones de inteligencia analitica en un entorno de Big Data\n \nBig Data CRM, nuevas fuentes de datos y la abundancia de información de consumidores y clientes\nInteligencia de Negocio. Modelo de Negocio y Modelo de Datos, componentes\n \n \nTaller de Machine Learning\n \nTipos de Modelos de machine learning\nMetodologia de desarrollo de modelos\n \n \nMetodología de desarrollo de modelos\n \n- Definición de objetivos\n- Análisis de los datos\n- Preparación de los datos\n- Modelamiento\n- Evaluación\n- Implementación de modelos\n \nMétodos e ingeniería de preparación de datos:\n \n- Análisis descriptivos de variables\n- Análisis de relación de variables: correlaciones\n- Limpieza de valores extremos, datos nulos\n- Transformación de variables\n- Reducción de variables\n- Análisis de componentes principales\n- Equilibrado de muestras\n- Muestras de entrenamiento y validación\n- Regresión múltiple\n \nTécnicas de segmentación y clusterización\n \n- Segmentación por puntuación: RFM.\n- Segmentación por K-Medias\n- Segmentación Bi-etápica\n- Perfilamiento de los segmentos. Selección de modelos y ejecución de modelos\n \nModelos de Clasificación (Scoring):\n \n- Arboles de clasificación.\n- Regresión logística.\n- Redes neuronales.\n- Redes bayesianas.\n- Bosques de árboles aleatorios (random forest).\n- Modelos "boosting": Ada boost, XGBoost, LightGBM\n- Competencia y combinación de modelos\n- Optimización del modelo, métricas de calidad del modelo\n \nModelos de Asociación – Venta cruzadas\n \n- Modelo de datos para realizar venta cruzada\n- Indicadores: soporte, confianza, elevación para selección de reglas Algoritmos A priori, Carma.\n- Análisis de reglas en el tiempo: venta cruzada secuencial\n- Selección e implementación de reglas \n
DTSTART:20191116T153000
DTEND:20191116T203000
DTSTAMP:20260413T132639Z
LOCATION:Online
PRIORITY:5
SEQUENCE:0
SUMMARY;LANGUAGE=es-es:Tecnowebinars.com - :: Big Data y Machine Learning para los Negocios (20 horas)
TRANSP:OPAQUE
UID:fb6bca4483fe853cb3eefcfa13f3050d Tecnowebinars.com
X-MICROSOFT-CDO-BUSYSTATUS:BUSY
X-MICROSOFT-CDO-IMPORTANCE:1
X-MICROSOFT-DISALLOW-COUNTER:FALSE
X-MS-OLK-ALLOWEXTERNCHECK:TRUE
X-MS-OLK-AUTOFILLLOCATION:FALSE
X-MS-OLK-CONFTYPE:0
BEGIN:VALARM
TRIGGER:-PT1440M
ACTION:DISPLAY
DESCRIPTION:Reminder
END:VALARM
END:VEVENT
END:VCALENDAR