Iniciamos cursos a partir del 17 de abril
en modalidad Online
Aprende las técnicas para analizar datos estadísticos, esto mejorará tus procesos y generará oportunidades de negocio dentro del mercado.
Con la finalidad de ajustarnos a los horarios y necesidades de nuestros clientes, ofrecemos los siguientes esquemas de capacitación:
- En las oficinas del cliente: Si el mismo cliente cuenta con un espacio adecuado para la capacitación, podemos adaptarnos a sus horarios y ubicación.
- Online: Para clientes que se ubican en otras ciudades o prefieren este modelo.
Introducción a la estadística
- Inicia: 17 abril
- Finaliza: 21 abril
- Modalidad: Onliine
- Fecha límite para solicitar descuento: 14 de abril
Precio regular: $4,500 MXN
Precio con descuento: $3,500 MXN
Inferencia Estadística y Correlación
El objetivo de este curso es que el participante comprenda los principios básicos de la estadística inferencial para llevar a cabo procesos inductivos, que permita determinar las propiedades y características de una población estadística.
Todo esto, con el fin de que el participante pueda elaborar deducciones totales a partir de la recolección de información numérica de una muestra.
- Inicia: 24 abril
- Finaliza: 28 abril
- Modalidad: Onliine
- Fecha límite para solicitar descuento: 21 de abril
Precio regular: $4,500 MXN
Precio con descuento: $3,500 MXN
Modelos multivariantes
El objetivo de este curso es que el participante conozca las técnicas analíticas más comunes para resolver preguntas de negocio que involucran un importante número de variables explicativas, tales como: regresión lineal, regresión logística, análisis de conglomerados y análisis factorial.
Conocer los supuestos de cada técnica, interpretar los resultados e implementar los modelos.
- Inicia: 15 mayo
- Finaliza: 19 mayo
- Modalidad: Onliine
- Fecha límite para solicitar descuento: 12 de mayo
Precio regular: $4,500 MXN
Precio con descuento: $3,500 MXN
Limpieza y preparación de datos
El curso está orientado a que el participante optimice la calidad de la información para el análisis de datos.
Identificar datos atípicos, duplicados y perdidos ayudando a tomar decisiones para mejorar la calidad de la información.
Fundir fuentes de información por casos o variables, crear o transformar variables, y seleccionar y/o crear submuestras según las necesidades del analista o de forma aleatoria.
Introducción a R
El objetivo del curso es que el participante aprenda a importar información de diversas fuentes, limpiar, crear y/ o transformar dicha información, ejecutar tareas de minería de datos, tales como modelos estadísticos y de machine learning, de visualización de la información en R y RStudio.
Regresión Lineal Simple y Múltiple
El curso está orientado a proporcionar los fundamentos de la regresión lineal por mínimos cuadrados ordinarios.
Revisará el cumplimiento de los supuestos de la regresión lineal simple y múltiple, tales como: colinealidad, distribución normal de los errores, homocedasticidad, etc. E interpretará los resultados.
Modelos de Clasificación
El curso está orientado a que el participante lleve a cabo el proceso completo para la generación de los modelos de clasificación más comunes: Limpieza de datos (atípicos y perdidos), generación de muestras de entrenamiento y validación, generación de modelos de clasificación y comparación de modelos.
Modelos de Asociación
El curso está orientado a que el participante genere e interprete modelos de asociación, los cuales permiten encontrar patrones y distintas relaciones entre productos comprados.
Esta información puede ayudar, por ejemplo, a un comercio a diseñar diferentes espacios de compra; también puede utilizarse para desarrollar campañas de marketing.
Modelos de Segmentación
El análisis de conglomerados se utiliza para encontrar grupos de observaciones (grupos) que comparten características similares.
El curso está orientado a que el participante lleve a cabo el proceso completo para la generación de los modelos de segmentación más usados: se inicia con la limpieza y preparación de los datos, generación de los modelos de segmentación y interpretación de los resultados.
Análisis de Textos
El participante aprenderá a extraer los conceptos importantes para el negocio a partir de los comentarios expresados directamente por los clientes o de cualquier otra fuente que cuente con información no estructurada.
IBM SPSS Modeler usa el procesamiento del lenguaje natural (NPL) para extraer conceptos y crear categorías relevantes para el negocio.
Introducción a Python
Que el participante aprenda a generar árboles de clasificación y regresión usando el método CART.
Aprenderá los elementos de un árbol e interpretarlos.
Además, identificará cuando un árbol puede estar sobreajustado y probar diferentes alternativas para evitarlo, tales como poda del árbol y restricciones en el número de registros en los nodos terminales.
Árboles de clasificación
Que el participante aprenda a generar modelos de clasificación y regresión a través de CHAID, CRT y QUEST.
Entenderá los conceptos de poda, costes de clasificación errónea, métodos de selección de variables y métodos para particionar las ramas para los diferentes árboles.
Generará árboles usando métodos de validación para evitar el sobreajuste.
