Minería de datos y modelización predictiva con R
En éste módulo los alumnos aprenderán técnicas de minería para descubrir patrones, tendencias y relaciones útiles y significativas en grandes conjuntos de datos utilizando técnicas avanzadas de análisis para explorar grandes cantidades de datos y extraer información valiosa de ellos.
Esta información puede ser utilizada para tomar decisiones informadas, identificar oportunidades de negocio, mejorar la eficiencia de los procesos empresariales y optimización en diferentes industrias, entre otros.
Mediante la modelización predictiva, utilizarán los datos históricos y los patrones descubiertos a través de la minería de datos para predecir eventos futuros.
La modelización predictiva utiliza algoritmos estadísticos y de aprendizaje automático para construir modelos que puedan predecir con precisión los resultados futuros que pueden ser utilizados para tomar decisiones informadas, identificar oportunidades de negocio, prevenir riesgos, entre otros.
En este modulo se estudiarán conceptos desde una variedad de temas esenciales en el campo, desde codificación, depuración, descripción e integridad de datos hasta técnicas avanzadas como regresión lineal y logística, reducción de dimensionalidad y análisis y predicción con series temporales.
Los estudiantes también aprenderán acerca de clasificación no supervisada y análisis de clusters, y cómo construir scorecards y modelos de gestión efectivos utilizando datos.
Además, se explorará la estadística geoespacial, lo que permitirá a los estudiantes aplicar técnicas avanzadas de análisis espacial a datos geográficos.
A lo largo del curso, los estudiantes trabajarán en ejemplos prácticos para mejorar su comprensión de los conceptos y técnicas clave.
Al finalizar el módulo, los estudiantes estarán entrenadoss con habilidades esenciales en data mining para analizar, procesar y utilizar datos de manera efectiva para tomar decisiones y resolver problemas complejos.