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 capacitación

DÍA 1

En este curso básico, usted aprenderá a minimizar el tiempo necesario para el análisis de datos al usar Minitab para importar los datos, desarrollar enfoques estadísticos efectivos para explorar los datos, crear e interpretar visualizaciones convincentes y exportar los resultados. Automatice su análisis en Minitab con mínima intervención del usuario para ahorrar tiempo. Analice una variedad de conjuntos de datos del mundo real para aprender a alinear sus aplicaciones con la herramienta de analítica adecuada e interpretar la salida estadística. Aprenda los fundamentos 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:

  • Importación y formato de los datos
  • Macros exec
  • Gráficas de barras
  • Histogramas
  • Gráficas de caja
  • Diagramas de Pareto
  • Gráficas de dispersión
  • Medidas de ubicación y variación
  • Pruebas t
  • Prueba de igualdad de varianzas
  • Potencia y tamaño de la muestra

Prerrequisitos: ninguno

Gráfica de dispersión de porcentaje vs. año por género
Gráfica de persona, error

DÍA 2

Continúe ampliando los conceptos básicos de análisis estadístico que se enseñan en el curso Fundamentos de analítica al aprender a explorar y describir las relaciones entre las variables con herramientas de modelado estadístico. Descubra y describa las características de los datos relacionados con el efecto y el impacto del tiempo, y cómo predecir el comportamiento futuro.

Aprenda a encontrar y cuantificar el efecto que tienen las variables de entrada en la probabilidad de que ocurra un evento crítico. Con ejemplos prácticos, se ilustra cómo las herramientas de modelado ayudan a revelar las entradas y 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

Prerrequisitos: fundamentos de analítica

Gráfica de matriz de empleados, producción V, entradas/Ex, turno, partículas
Gráfica de suavización para pasajeros

DÍA 3

Amplíe su capacidad de análisis analizando datos de problemas del mundo real que se presentan en muchas industrias para explorar y describir las relaciones entre las variables. Aprenda a utilizar técnicas supervisadas de aprendizaje de máquina como CART®  para analizar los patrones que se hallan en los datos históricos para obtener mejores perspectivas, identificar los riesgos potenciales, buscar oportunidades de mejora y hacer predicciones sobre el futuro.

Utilice herramientas no supervisadas de aprendizaje de máquina, como los Conglomerados, para detectar particiones naturales en los datos y agrupar las observaciones o las variables en conjuntos homogéneos. 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

Dendrograma. Enlace completo, distancia euclideana
Árbol de decisión de nodo de clase por género y edad

DÍA 4

Lleve su capacidad de análisis a otro nivel analizando datos de problemas del mundo real para explorar y describir las relaciones entre las variables. Los árboles CART proporcionan una estructura de árbol simple para interpretar relaciones complejas. Sin embargo, su capacidad predictiva a menudo se puede mejorar utilizando un modelo más potente, que genera numerosos modelos simples (o árboles) y los combina en un modelo final. Aprenda a utilizar técnicas avanzadas de modelado como MARS®, TreeNet® y Random Forests® para analizar patrones que se hallan en datos históricos y obtener mejores perspectivas, identificar riesgos potenciales, buscar oportunidades de mejora y hacer predicciones sobre el futuro. Nota: Se requiere para este curso una suscripción al complemento Módulo de Analítica Predictiva.

Los temas incluyen:

  • Validación
  • Clasificación CART®
  • Clasificación TreeNet®
  • Clasificación Random Forests®
  • Correlación
  • Regresión MARS®
  • Regresión CART®
  • Regresión TreeNet®
  • Regresión Random Forests®
  • Descubra los predictores clave
  • Modelado de aprendizaje de máquina automatizado

Prerrequisitos: fundamentos de analítica, modelado y predicción de regresión, aprendizaje de máquina

Dendrograma. Enlace completo, distancia euclideana
Árbol de decisión de nodo de clase por género y edad

DÍA 5. OPCIONAL

La capacitación de Minitab proporciona las bases para mejorar su eficiencia y utilizar la estadística para el análisis de datos. Los ejemplos presentan situaciones del mundo real para aprender el uso de las herramientas, mientras que los ejercicios ofrecen tiempo para practicar. Complete el ciclo educativo al reforzar la capacitación utilizando datos de su empresa. Esto ofrece a los asistentes la oportunidad de relacionarse directamente con sus propios casos de uso.

El taller hace especial hincapié en la toma de decisiones acertadas con base en la aplicación práctica de herramientas estadísticas a los proyectos de su empresa con sus datos.

Los temas se determinarán según los datos específicos del cliente que se traigan al taller.