SlideShare una empresa de Scribd logo
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.
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.
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.
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.

Más contenido relacionado

Similar a Modelos Predictivos basados en Arboles de Decisiones

Curso Analisis de Datos y Estadistica Avanzada aplicada a negocios
Curso Analisis de Datos y Estadistica Avanzada  aplicada a negociosCurso Analisis de Datos y Estadistica Avanzada  aplicada a negocios
Curso Analisis de Datos y Estadistica Avanzada aplicada a negocios
LPI ONG
 
Guia de aprendizaje Análisis
Guia de aprendizaje AnálisisGuia de aprendizaje Análisis
Guia de aprendizaje Análisis
Antonio Martínez
 
Guia#1. base de datos(1)
Guia#1. base de datos(1)Guia#1. base de datos(1)
Guia#1. base de datos(1)
Kevin Lemus
 
Silabo Curso inteligencia de Negocios - Maestria en Computación y Sistemas Se...
Silabo Curso inteligencia de Negocios - Maestria en Computación y Sistemas Se...Silabo Curso inteligencia de Negocios - Maestria en Computación y Sistemas Se...
Silabo Curso inteligencia de Negocios - Maestria en Computación y Sistemas Se...
LPI ONG
 
SYLLABUS MÉTODOS NUMÉRICOS
SYLLABUS MÉTODOS NUMÉRICOSSYLLABUS MÉTODOS NUMÉRICOS
SYLLABUS MÉTODOS NUMÉRICOS
MiltonValarezo
 
Temario software de aplicacion ejecutivo
Temario software de aplicacion ejecutivoTemario software de aplicacion ejecutivo
Temario software de aplicacion ejecutivo
Wilberth_Gongora
 
Silabo TI del MBA
Silabo TI del MBASilabo TI del MBA
Silabo TI del MBA
Carlos Chavez Monzón
 
Proyecto tecnopedagógico
Proyecto tecnopedagógicoProyecto tecnopedagógico
Proyecto tecnopedagógico
Mauricio Cárdenas
 
Guía Máster Ingeniería informática UOC (2022-2023, 1º semestre)
Guía Máster Ingeniería informática UOC (2022-2023, 1º semestre)Guía Máster Ingeniería informática UOC (2022-2023, 1º semestre)
Guía Máster Ingeniería informática UOC (2022-2023, 1º semestre)
UOC Estudios de Informática, Multimedia y Telecomunicación
 
Plan de curso de Sistemas de Bases de Datos-080364
Plan de curso de Sistemas de Bases de Datos-080364Plan de curso de Sistemas de Bases de Datos-080364
Plan de curso de Sistemas de Bases de Datos-080364
Luis Eduardo Pelaez Valencia
 
Guia MUEI Nuevos Estudiantes 20231.docx (1).pdf
Guia MUEI Nuevos Estudiantes  20231.docx (1).pdfGuia MUEI Nuevos Estudiantes  20231.docx (1).pdf
Guia MUEI Nuevos Estudiantes 20231.docx (1).pdf
UOC Estudios de Informática, Multimedia y Telecomunicación
 
3.1 modulo formativo (planif anual + unidad) computacion 2022.docx
3.1 modulo formativo (planif anual + unidad) computacion 2022.docx3.1 modulo formativo (planif anual + unidad) computacion 2022.docx
3.1 modulo formativo (planif anual + unidad) computacion 2022.docx
Miriam Talaverano
 
Modulo 1
Modulo 1Modulo 1
Data Mining inicial
Data Mining inicialData Mining inicial
Data Mining inicial
claudiobroce
 
Esis
EsisEsis
Silabo 2018-I de SIG Para la Toma de Decisiones
Silabo 2018-I de SIG Para la Toma de DecisionesSilabo 2018-I de SIG Para la Toma de Decisiones
Silabo 2018-I de SIG Para la Toma de Decisiones
Mitzi Linares Vizcarra
 
Sena guia 1 11 2012
Sena guia 1 11 2012Sena guia 1 11 2012
Sena guia 1 11 2012
cristianvillada
 
Guia deaprendizaje3 v2
Guia deaprendizaje3 v2Guia deaprendizaje3 v2
Guia deaprendizaje3 v2
Aleja Andrade
 
F004 p006 gfpi guìa de aprendizaje 3-v2
F004 p006 gfpi guìa de aprendizaje 3-v2F004 p006 gfpi guìa de aprendizaje 3-v2
F004 p006 gfpi guìa de aprendizaje 3-v2
MarceliTha Cardozzo
 
F004 p006 gfpi guìa de aprendizaje 3-v2
F004 p006 gfpi guìa de aprendizaje 3-v2F004 p006 gfpi guìa de aprendizaje 3-v2
F004 p006 gfpi guìa de aprendizaje 3-v2
Yeison Smith
 

Similar a Modelos Predictivos basados en Arboles de Decisiones (20)

Curso Analisis de Datos y Estadistica Avanzada aplicada a negocios
Curso Analisis de Datos y Estadistica Avanzada  aplicada a negociosCurso Analisis de Datos y Estadistica Avanzada  aplicada a negocios
Curso Analisis de Datos y Estadistica Avanzada aplicada a negocios
 
Guia de aprendizaje Análisis
Guia de aprendizaje AnálisisGuia de aprendizaje Análisis
Guia de aprendizaje Análisis
 
Guia#1. base de datos(1)
Guia#1. base de datos(1)Guia#1. base de datos(1)
Guia#1. base de datos(1)
 
Silabo Curso inteligencia de Negocios - Maestria en Computación y Sistemas Se...
Silabo Curso inteligencia de Negocios - Maestria en Computación y Sistemas Se...Silabo Curso inteligencia de Negocios - Maestria en Computación y Sistemas Se...
Silabo Curso inteligencia de Negocios - Maestria en Computación y Sistemas Se...
 
SYLLABUS MÉTODOS NUMÉRICOS
SYLLABUS MÉTODOS NUMÉRICOSSYLLABUS MÉTODOS NUMÉRICOS
SYLLABUS MÉTODOS NUMÉRICOS
 
Temario software de aplicacion ejecutivo
Temario software de aplicacion ejecutivoTemario software de aplicacion ejecutivo
Temario software de aplicacion ejecutivo
 
Silabo TI del MBA
Silabo TI del MBASilabo TI del MBA
Silabo TI del MBA
 
Proyecto tecnopedagógico
Proyecto tecnopedagógicoProyecto tecnopedagógico
Proyecto tecnopedagógico
 
Guía Máster Ingeniería informática UOC (2022-2023, 1º semestre)
Guía Máster Ingeniería informática UOC (2022-2023, 1º semestre)Guía Máster Ingeniería informática UOC (2022-2023, 1º semestre)
Guía Máster Ingeniería informática UOC (2022-2023, 1º semestre)
 
Plan de curso de Sistemas de Bases de Datos-080364
Plan de curso de Sistemas de Bases de Datos-080364Plan de curso de Sistemas de Bases de Datos-080364
Plan de curso de Sistemas de Bases de Datos-080364
 
Guia MUEI Nuevos Estudiantes 20231.docx (1).pdf
Guia MUEI Nuevos Estudiantes  20231.docx (1).pdfGuia MUEI Nuevos Estudiantes  20231.docx (1).pdf
Guia MUEI Nuevos Estudiantes 20231.docx (1).pdf
 
3.1 modulo formativo (planif anual + unidad) computacion 2022.docx
3.1 modulo formativo (planif anual + unidad) computacion 2022.docx3.1 modulo formativo (planif anual + unidad) computacion 2022.docx
3.1 modulo formativo (planif anual + unidad) computacion 2022.docx
 
Modulo 1
Modulo 1Modulo 1
Modulo 1
 
Data Mining inicial
Data Mining inicialData Mining inicial
Data Mining inicial
 
Esis
EsisEsis
Esis
 
Silabo 2018-I de SIG Para la Toma de Decisiones
Silabo 2018-I de SIG Para la Toma de DecisionesSilabo 2018-I de SIG Para la Toma de Decisiones
Silabo 2018-I de SIG Para la Toma de Decisiones
 
Sena guia 1 11 2012
Sena guia 1 11 2012Sena guia 1 11 2012
Sena guia 1 11 2012
 
Guia deaprendizaje3 v2
Guia deaprendizaje3 v2Guia deaprendizaje3 v2
Guia deaprendizaje3 v2
 
F004 p006 gfpi guìa de aprendizaje 3-v2
F004 p006 gfpi guìa de aprendizaje 3-v2F004 p006 gfpi guìa de aprendizaje 3-v2
F004 p006 gfpi guìa de aprendizaje 3-v2
 
F004 p006 gfpi guìa de aprendizaje 3-v2
F004 p006 gfpi guìa de aprendizaje 3-v2F004 p006 gfpi guìa de aprendizaje 3-v2
F004 p006 gfpi guìa de aprendizaje 3-v2
 

Más de LPI ONG

Dashboards y paneles - CP Home - Area de Operaciones
Dashboards y paneles - CP Home - Area de OperacionesDashboards y paneles - CP Home - Area de Operaciones
Dashboards y paneles - CP Home - Area de Operaciones
LPI ONG
 
Modelo de Datos CP Home - Area de Operaciones
Modelo de Datos CP Home - Area de OperacionesModelo de Datos CP Home - Area de Operaciones
Modelo de Datos CP Home - Area de Operaciones
LPI ONG
 
Documento de Proyecto CP Home - Area Operaciones
Documento de Proyecto CP Home - Area OperacionesDocumento de Proyecto CP Home - Area Operaciones
Documento de Proyecto CP Home - Area Operaciones
LPI ONG
 
Inversiones Costa Palma Homes Modelo de análisis basado en PowerBI
Inversiones Costa Palma Homes Modelo de análisis basado en PowerBIInversiones Costa Palma Homes Modelo de análisis basado en PowerBI
Inversiones Costa Palma Homes Modelo de análisis basado en PowerBI
LPI ONG
 
Manual SAP Analytics Cloud Diseño de Historias
Manual SAP Analytics Cloud Diseño de HistoriasManual SAP Analytics Cloud Diseño de Historias
Manual SAP Analytics Cloud Diseño de Historias
LPI ONG
 
Diagnostico del Area de Cobros de Ron Santa Teresa
Diagnostico del Area de Cobros de  Ron Santa TeresaDiagnostico del Area de Cobros de  Ron Santa Teresa
Diagnostico del Area de Cobros de Ron Santa Teresa
LPI ONG
 
Laboratorio Funciones DAX
Laboratorio Funciones DAXLaboratorio Funciones DAX
Laboratorio Funciones DAX
LPI ONG
 
Convenio en investigación y formación ONG LPI - Convenio generico
Convenio en investigación y formación ONG LPI - Convenio genericoConvenio en investigación y formación ONG LPI - Convenio generico
Convenio en investigación y formación ONG LPI - Convenio generico
LPI ONG
 
Modelamiento predictivo en Analítica Predictiva
Modelamiento predictivo en Analítica PredictivaModelamiento predictivo en Analítica Predictiva
Modelamiento predictivo en Analítica Predictiva
LPI ONG
 
Análisis Estadístico en la Analítica Predictiva
Análisis Estadístico en la Analítica PredictivaAnálisis Estadístico en la Analítica Predictiva
Análisis Estadístico en la Analítica Predictiva
LPI ONG
 
La Minería de Datos en la Analítica Predictiva
La Minería de Datos en la Analítica PredictivaLa Minería de Datos en la Analítica Predictiva
La Minería de Datos en la Analítica Predictiva
LPI ONG
 
El Análisis de Datos en la Analítica Predictiva
El Análisis de Datos en la Analítica PredictivaEl Análisis de Datos en la Analítica Predictiva
El Análisis de Datos en la Analítica Predictiva
LPI ONG
 
Procesos de Analítica Predictiva
Procesos de Analítica PredictivaProcesos de Analítica Predictiva
Procesos de Analítica Predictiva
LPI ONG
 
Implementación de CMI en SCC
Implementación de CMI en SCCImplementación de CMI en SCC
Implementación de CMI en SCC
LPI ONG
 
Cloud Analytics - Perspectivas
Cloud Analytics - PerspectivasCloud Analytics - Perspectivas
Cloud Analytics - Perspectivas
LPI ONG
 
Convenio de cooperacion en investigación y formación ONG LPI - Convenio generico
Convenio de cooperacion en investigación y formación ONG LPI - Convenio genericoConvenio de cooperacion en investigación y formación ONG LPI - Convenio generico
Convenio de cooperacion en investigación y formación ONG LPI - Convenio generico
LPI ONG
 
Especialista en SAP Lumira 2.0
Especialista en SAP Lumira 2.0Especialista en SAP Lumira 2.0
Especialista en SAP Lumira 2.0
LPI ONG
 
Especialista en Implementacion de Cuadros de Mando con SAP Dashboard 2016
Especialista en Implementacion de Cuadros de Mando con SAP Dashboard 2016Especialista en Implementacion de Cuadros de Mando con SAP Dashboard 2016
Especialista en Implementacion de Cuadros de Mando con SAP Dashboard 2016
LPI ONG
 
Programa de Especialización en Analisis de Negocios con SAP Crystal Reports 2016
Programa de Especialización en Analisis de Negocios con SAP Crystal Reports 2016Programa de Especialización en Analisis de Negocios con SAP Crystal Reports 2016
Programa de Especialización en Analisis de Negocios con SAP Crystal Reports 2016
LPI ONG
 
SAP Cloud Analytics - Processess
SAP Cloud Analytics - ProcessessSAP Cloud Analytics - Processess
SAP Cloud Analytics - Processess
LPI ONG
 

Más de LPI ONG (20)

Dashboards y paneles - CP Home - Area de Operaciones
Dashboards y paneles - CP Home - Area de OperacionesDashboards y paneles - CP Home - Area de Operaciones
Dashboards y paneles - CP Home - Area de Operaciones
 
Modelo de Datos CP Home - Area de Operaciones
Modelo de Datos CP Home - Area de OperacionesModelo de Datos CP Home - Area de Operaciones
Modelo de Datos CP Home - Area de Operaciones
 
Documento de Proyecto CP Home - Area Operaciones
Documento de Proyecto CP Home - Area OperacionesDocumento de Proyecto CP Home - Area Operaciones
Documento de Proyecto CP Home - Area Operaciones
 
Inversiones Costa Palma Homes Modelo de análisis basado en PowerBI
Inversiones Costa Palma Homes Modelo de análisis basado en PowerBIInversiones Costa Palma Homes Modelo de análisis basado en PowerBI
Inversiones Costa Palma Homes Modelo de análisis basado en PowerBI
 
Manual SAP Analytics Cloud Diseño de Historias
Manual SAP Analytics Cloud Diseño de HistoriasManual SAP Analytics Cloud Diseño de Historias
Manual SAP Analytics Cloud Diseño de Historias
 
Diagnostico del Area de Cobros de Ron Santa Teresa
Diagnostico del Area de Cobros de  Ron Santa TeresaDiagnostico del Area de Cobros de  Ron Santa Teresa
Diagnostico del Area de Cobros de Ron Santa Teresa
 
Laboratorio Funciones DAX
Laboratorio Funciones DAXLaboratorio Funciones DAX
Laboratorio Funciones DAX
 
Convenio en investigación y formación ONG LPI - Convenio generico
Convenio en investigación y formación ONG LPI - Convenio genericoConvenio en investigación y formación ONG LPI - Convenio generico
Convenio en investigación y formación ONG LPI - Convenio generico
 
Modelamiento predictivo en Analítica Predictiva
Modelamiento predictivo en Analítica PredictivaModelamiento predictivo en Analítica Predictiva
Modelamiento predictivo en Analítica Predictiva
 
Análisis Estadístico en la Analítica Predictiva
Análisis Estadístico en la Analítica PredictivaAnálisis Estadístico en la Analítica Predictiva
Análisis Estadístico en la Analítica Predictiva
 
La Minería de Datos en la Analítica Predictiva
La Minería de Datos en la Analítica PredictivaLa Minería de Datos en la Analítica Predictiva
La Minería de Datos en la Analítica Predictiva
 
El Análisis de Datos en la Analítica Predictiva
El Análisis de Datos en la Analítica PredictivaEl Análisis de Datos en la Analítica Predictiva
El Análisis de Datos en la Analítica Predictiva
 
Procesos de Analítica Predictiva
Procesos de Analítica PredictivaProcesos de Analítica Predictiva
Procesos de Analítica Predictiva
 
Implementación de CMI en SCC
Implementación de CMI en SCCImplementación de CMI en SCC
Implementación de CMI en SCC
 
Cloud Analytics - Perspectivas
Cloud Analytics - PerspectivasCloud Analytics - Perspectivas
Cloud Analytics - Perspectivas
 
Convenio de cooperacion en investigación y formación ONG LPI - Convenio generico
Convenio de cooperacion en investigación y formación ONG LPI - Convenio genericoConvenio de cooperacion en investigación y formación ONG LPI - Convenio generico
Convenio de cooperacion en investigación y formación ONG LPI - Convenio generico
 
Especialista en SAP Lumira 2.0
Especialista en SAP Lumira 2.0Especialista en SAP Lumira 2.0
Especialista en SAP Lumira 2.0
 
Especialista en Implementacion de Cuadros de Mando con SAP Dashboard 2016
Especialista en Implementacion de Cuadros de Mando con SAP Dashboard 2016Especialista en Implementacion de Cuadros de Mando con SAP Dashboard 2016
Especialista en Implementacion de Cuadros de Mando con SAP Dashboard 2016
 
Programa de Especialización en Analisis de Negocios con SAP Crystal Reports 2016
Programa de Especialización en Analisis de Negocios con SAP Crystal Reports 2016Programa de Especialización en Analisis de Negocios con SAP Crystal Reports 2016
Programa de Especialización en Analisis de Negocios con SAP Crystal Reports 2016
 
SAP Cloud Analytics - Processess
SAP Cloud Analytics - ProcessessSAP Cloud Analytics - Processess
SAP Cloud Analytics - Processess
 

Último

LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIOLINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
AaronPleitez
 
ANA0003227-lagunas.pdfñlñlñlñlñññlñlllll
ANA0003227-lagunas.pdfñlñlñlñlñññlñlllllANA0003227-lagunas.pdfñlñlñlñlñññlñlllll
ANA0003227-lagunas.pdfñlñlñlñlñññlñlllll
eliassalascolonia43
 
vivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodosvivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodos
DilmerCarranza
 
REPORTE-HEMEROGRÁFICO-MAYO 2024-IRAPUATO.pdf
REPORTE-HEMEROGRÁFICO-MAYO 2024-IRAPUATO.pdfREPORTE-HEMEROGRÁFICO-MAYO 2024-IRAPUATO.pdf
REPORTE-HEMEROGRÁFICO-MAYO 2024-IRAPUATO.pdf
IrapuatoCmovamos
 
Presentación simple corporativa degradado en violeta blanco.pptx
Presentación simple corporativa degradado en violeta blanco.pptxPresentación simple corporativa degradado en violeta blanco.pptx
Presentación simple corporativa degradado en violeta blanco.pptx
eleandroth
 
Plan Emergencia solicitado en obras de construccion
Plan Emergencia  solicitado en obras de construccionPlan Emergencia  solicitado en obras de construccion
Plan Emergencia solicitado en obras de construccion
christianllacchasand
 
resumen de manual de organizacion y funciones de TI
resumen de manual de organizacion y funciones de TIresumen de manual de organizacion y funciones de TI
resumen de manual de organizacion y funciones de TI
riveroarlett5b
 
10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf
IrapuatoCmovamos
 
04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos
MarcoPolo545324
 
Informe fina mini bibliotecacomunitaria .docx
Informe fina mini bibliotecacomunitaria .docxInforme fina mini bibliotecacomunitaria .docx
Informe fina mini bibliotecacomunitaria .docx
mirimerlos5
 
INTELIGENCIA ARTIFICIAL monografia02.pdf
INTELIGENCIA ARTIFICIAL monografia02.pdfINTELIGENCIA ARTIFICIAL monografia02.pdf
INTELIGENCIA ARTIFICIAL monografia02.pdf
YulEz1
 
MI CECTOR POSTE BLANCO - Paián .pdf
MI  CECTOR  POSTE  BLANCO - Paián   .pdfMI  CECTOR  POSTE  BLANCO - Paián   .pdf
MI CECTOR POSTE BLANCO - Paián .pdf
GustavoTello19
 
Plan de Compensación Dxn Internacional peru pdf
Plan de Compensación Dxn Internacional peru pdfPlan de Compensación Dxn Internacional peru pdf
Plan de Compensación Dxn Internacional peru pdf
agustincarranza11
 
UGEL SAN MIGUEL SACALE TARJETA ROJA A LA VIOLENCIA.pptx
UGEL SAN MIGUEL SACALE TARJETA ROJA A LA VIOLENCIA.pptxUGEL SAN MIGUEL SACALE TARJETA ROJA A LA VIOLENCIA.pptx
UGEL SAN MIGUEL SACALE TARJETA ROJA A LA VIOLENCIA.pptx
Mayra798665
 

Último (14)

LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIOLINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
 
ANA0003227-lagunas.pdfñlñlñlñlñññlñlllll
ANA0003227-lagunas.pdfñlñlñlñlñññlñlllllANA0003227-lagunas.pdfñlñlñlñlñññlñlllll
ANA0003227-lagunas.pdfñlñlñlñlñññlñlllll
 
vivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodosvivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodos
 
REPORTE-HEMEROGRÁFICO-MAYO 2024-IRAPUATO.pdf
REPORTE-HEMEROGRÁFICO-MAYO 2024-IRAPUATO.pdfREPORTE-HEMEROGRÁFICO-MAYO 2024-IRAPUATO.pdf
REPORTE-HEMEROGRÁFICO-MAYO 2024-IRAPUATO.pdf
 
Presentación simple corporativa degradado en violeta blanco.pptx
Presentación simple corporativa degradado en violeta blanco.pptxPresentación simple corporativa degradado en violeta blanco.pptx
Presentación simple corporativa degradado en violeta blanco.pptx
 
Plan Emergencia solicitado en obras de construccion
Plan Emergencia  solicitado en obras de construccionPlan Emergencia  solicitado en obras de construccion
Plan Emergencia solicitado en obras de construccion
 
resumen de manual de organizacion y funciones de TI
resumen de manual de organizacion y funciones de TIresumen de manual de organizacion y funciones de TI
resumen de manual de organizacion y funciones de TI
 
10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf
 
04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos
 
Informe fina mini bibliotecacomunitaria .docx
Informe fina mini bibliotecacomunitaria .docxInforme fina mini bibliotecacomunitaria .docx
Informe fina mini bibliotecacomunitaria .docx
 
INTELIGENCIA ARTIFICIAL monografia02.pdf
INTELIGENCIA ARTIFICIAL monografia02.pdfINTELIGENCIA ARTIFICIAL monografia02.pdf
INTELIGENCIA ARTIFICIAL monografia02.pdf
 
MI CECTOR POSTE BLANCO - Paián .pdf
MI  CECTOR  POSTE  BLANCO - Paián   .pdfMI  CECTOR  POSTE  BLANCO - Paián   .pdf
MI CECTOR POSTE BLANCO - Paián .pdf
 
Plan de Compensación Dxn Internacional peru pdf
Plan de Compensación Dxn Internacional peru pdfPlan de Compensación Dxn Internacional peru pdf
Plan de Compensación Dxn Internacional peru pdf
 
UGEL SAN MIGUEL SACALE TARJETA ROJA A LA VIOLENCIA.pptx
UGEL SAN MIGUEL SACALE TARJETA ROJA A LA VIOLENCIA.pptxUGEL SAN MIGUEL SACALE TARJETA ROJA A LA VIOLENCIA.pptx
UGEL SAN MIGUEL SACALE TARJETA ROJA A LA VIOLENCIA.pptx
 

Modelos Predictivos basados en Arboles de Decisiones

  • 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. 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. 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. 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.