Analítica predictiva

Esta popular ruta de aprendizaje de 3 días proporciona a los participantes un conjunto integral de herramientas para aplicar la analítica predictiva de manera efectiva en su organización.

Esta ruta enseña las bases de la analítica predictiva. Los participantes aprenderán técnicas de análisis de datos, incluyendo procedimientos estadísticos, modelado y aprendizaje de máquina, para analizar los patrones encontrados en datos históricos. El análisis de estos datos le ayudará a obtener mejores insights, identificar posibles riesgos, buscar oportunidades de mejora y hacer predicciones sobre el futuro. Los principios analíticos se presentarán usando ejemplos y ejercicios del mundo real.

 

Este curso es apropiado para personas de cualquier organización que deseen aprovechar el poder de la analítica predictiva para resolver problemas. El curso es popular entre los analistas de negocios, los miembros de un equipo de solución de problemas, los responsables de dirigir las actividades de excelencia operativa, los analistas de marketing y los profesionales que se preparan para implementar la analítica predictiva en su organización.

Ruta de aprendizaje

DÍA 1

En este curso básico, aprenderá a minimizar el tiempo necesario para realizar el análisis de datos con Minitab. Veremos cómo importar datos, desarrollar enfoques estadísticos sólidos para explorar los datos, crear e interpretar visualizaciones convincentes y exportar los resultados. Descubrirá cómo automatizar su análisis en Minitab con mínima intervención del usuario, ¡y eso significa ahorro de tiempo! Analizaremos una variedad de conjuntos de datos del mundo real para que aprenda a alinear sus aplicaciones con la herramienta de analítica adecuada e interpretar la salida estadística. Además, aprenderá los aspectos fundamentales de conceptos estadísticos importantes, como las pruebas de hipótesis y los intervalos de confianza.

Este curso hace especial hincapié en la toma de decisiones acertadas con base en la aplicación práctica de las técnicas estadísticas más utilizadas en los procesos de negocio, manufactura y transacciones.

Los temas incluyen:

  • Importar y dar formato a los datos
  • Macros Exec
  • Gráficas de barras
  • Histogramas
  • Gráficas de caja
  • Diagramas de Pareto
  • Gráficas de dispersión
  • Medidas de ubicación y variación
  • Pruebas t
  • Pruebas de igualdad de varianzas
  • Potencia y tamaño de la muestra

Prerrequisitos: Ninguno

Scatterplot of Percent vs Year by Gender
Chart of Person, Mistake

DÍA 2

¿Preparado para seguir desarrollando los conceptos básicos del análisis estadístico impartidos en el curso Fundamentos de analítica? Este curso le enseña a explorar y describir las relaciones entre las variables con herramientas de modelado estadístico. Descubrirá y describirá las características de los datos relacionadas con el efecto y el impacto del tiempo, y cómo pronosticar el comportamiento futuro.

Este curso explica cómo encontrar y cuantificar el efecto que tienen las variables de entrada en la probabilidad de que ocurra un evento crítico. Con ejemplos prácticos, aprenderá cómo las herramientas de modelado pueden ayudar a revelar las entradas y las fuentes de variación clave en sus datos.

Los temas incluyen:

  • Gráficas de dispersión
  • Correlación
  • Regresión lineal simple
  • Herramientas de series de tiempo, incluyendo suavización exponencial
  • Análisis de tendencias
  • Descomposición
  • Regresión múltiple y escalonada
  • Regresión logística binaria
  • Regresión con validación

Prerrequisito: Fundamentos de analítica

Matrix Plot of Employees, Production V, Entrances/Ex, Shift, Particles
Smoothing Plot for Passengers

DÍA 3

Este curso le ayudará a ampliar sus habilidades de análisis de datos con ejemplos de problemas del mundo real para enseñarle a explorar y describir las relaciones entre las variables. Aprenderá a usar técnicas de aprendizaje de máquina supervisado, como CART®, para analizar los patrones que se encuentran en los datos históricos, lo que puede ayudarle a lograr una mayor comprensión, identificar los riesgos potenciales, buscar oportunidades de mejora y hacer predicciones sobre el futuro.

Utilice herramientas de aprendizaje de máquina no supervisado, como los Conglomerados, para detectar particiones naturales en los datos y agrupar las observaciones o las variables en conjuntos homogéneos. Además, reduzca la dimensionalidad de los datos transformando los datos originales en un conjunto de variables no correlacionadas.

Los temas incluyen:

  • Análisis discriminante
  • Validación del conjunto de prueba
  • Validación de K-pliegues
  • Clasificación CART®
  • Correlación
  • Regresión CART®
  • Análisis de conglomerados

Prerrequisitos: Fundamentos de analítica, Modelos y pronósticos de regresión

Dendrogram - Complete Linkage, Euclidean Distance
Class node Decision Tree by Gender and Age