Programa: Advanced
analytics
Módulo 1: Análisis de datos
Unidad 1. Teoría de la decisión
1.1.1 Introducción a la teoría de las decisiones
1.1.2 Elementos de las decisiones
1.1.3 Fundamentos
1.1.4 Ejemplos y casos de uso
Unidad 2. Introducción a advanced analytics
1.2.1 Definición de analítica avanzada/ machine learning.
1.2.2 Proceso
1.2.3 Representación gráfica
1.2.4 Aplicación por industria
Módulo 2: Machine learning
Unidad 1. Algoritmos
2.1.1 Etapas del proceso
2.1.2 Reglas de asociación o sistemas de recomendaciones
2.1.3 Canasta de mercado
2.1.4 Algoritmo a priori - PCY
Unidad 2. Clústers o grupos de afinidad
2.2.1 Introducción a la segmentación
2.2.2 Medidas de distancia
2.2.3 Dimensionalidad
2.2.4 Enfoques
Módulo 3: Enfoque estadístico
Unidad 1. Estadística en los datos
3.1.1 Regresión lineal simple y múltiple
3.1.2 Predicción
3.1.3 Método de ajuste
3.1.4 Enfoques de inferencia estadística
Unidad 2. Aprendizaje
3.2.3 Índices AIC BIC
3.2.4 Nociones de muestre/ remuestreo
3.2.3 Diagrama de Bayes/ Naive Bayes
3.2.4 Nuevos algoritmos de aprendizaje
Módulo 4: Análisis inteligente de
datos
Unidad 1. Análisis de datos
4.1.1 Gráficos exploratorios
4.1.2 Técnicas descriptivas
4.1.3 Análisis factorial/ discriminante
4.1.4 Árboles de decisión y otros
Unidad 2. Analítica no estructurada
4.2.1 Web analytics
4.2.2 Text analytics
4.2.3 Social analytics
4.2.4 Grandes volúmenes (Big Data)
Bibliografía
Chambers, M; Dinsmore, T. (2013). Advanced Analytics Methodologies (2ª
ed.). New Jersey: Pearson
Croll, A. (2013). Lean Analytics: Use Data to Build a Better Startup Faster
(1ª ed.). California: O Reilly.
Han, J; Kamber, M; Pei, J. (2011). Data Mining: Concepts and Techniques (3ª
ed.). Massachusetts: MK.
Isson, J; Harriott, J. (2012). Win With Business Analytics (1ª ed.). New Jersey:
Wiley.
Witten, I; Eibe, F; Hall, M. (2013). Data Mining: Practical Machine Learning,
tools and techniques (3ª ed.). Massachusetts: MK
Zaki, M; Meira, W. (2011). Data Mining and Analysis. Fundamental concepts
and algorithms (1ª ed.). New York: Cambridge Press
Objetivos
El planteo de objetivos permite que tenga una idea acabada de
lo que se pretende que alcance al finalizar el proceso de
enseñanza y aprendizaje de este curso. Pero el propósito es más
fuerte aún: indicamos lo que debe lograr para que estos
conocimientos aporten a los objetivos de su formación.
Para alcanzar estos objetivos, debe completar el proceso
propuesto en el recorrido de las diferentes etapas del curso que
se le presenta.
Entonces, si trabaja de la manera indicada, estará en condiciones
de alcanzar los siguientes objetivos:
Objetivo general:
Interpretar el correcto uso de técnicas de minería de datos
sobre la gestión de información corporativa.
Objetivos específicos:
Entender los conceptos y las distintas técnicas de minería de
datos.
Identificar que técnica/algoritmo usar para cada necesidad
y cómo se puede utilizar en los distintos sectores de la
empresa.
Conocer las herramientas para comprender los resultados
que se obtienen de aplicar técnicas de minería de datos.
Competencias
Las competencias que esperamos usted desarrolle con el recorrido
de este curso son:
Competencias genéricas
Trabajo en equipo y colaborativo: capacidad de
integrarse con sus compañeros para lograr los objetivos
compartidos y la sinergia de un grupo de alta
performance.
Capacidad de análisis/reflexión: capacidad de
examinar metódicamente los distintos aspectos de una
realidad o situación y asumir una valoración frente a
ellos.
Creatividad/ soluciones innovadoras basadas en el
conocimiento: capacidad para dar nuevas alternativas de
solución a problemas existentes basadas en el
conocimiento formal.
Competencias específicas
Desarrollar habilidades para el uso e interpretación de
técnicas avanzadas de análisis de información.