Análise preditiva

Continue a se aprofundar nos conceitos de análise estatística fundamentais ensinados no curso “Fundamentos em análise” ao aprender a explorar e descrever relações entre variáveis com ferramentas de modelagem estatística. Descubra e descreva os recursos dos dados relacionados ao efeito e impacto do tempo, e como prever o comportamento futuro.

Aprenda a encontrar e quantificar o efeito que as variáveis de entrada têm sobre a probabilidade de um evento crítico. Exemplos práticos ilustram como as ferramentas de modelagem ajudam a revelar resultados e fontes de variações nos seus dados.

Expanda sua análise ao analisar dados de problemas reais enfrentados por muitos setores para explorar e descrever relações entre variáveis. Aprenda a usar técnicas de aprendizado de máquina, como CART^® para analisar padrões encontrados em dados históricos para obter melhores insights, identificar riscos potenciais, procurar oportunidades de melhoria e fazer previsões sobre o futuro.

Use ferramentas de aprendizado de máquina não supervisionadas, como agrupamento, para detectar partições naturais nas observações ou variáveis de dados e grupo em conjuntos homogêneos. Reduza a dimensionalidade dos dados ao transformar os dados originais em um conjunto de variáveis não correlacionáveis.

Leve sua análise para um nível superior analisando dados de problemas reais para explorar e descrever relações entre variáveis. As árvores CART oferecem uma estrutura de árvore simples para interpretar relações complexas. No entanto, sua capacidade preditiva pode, muitas vezes, ser melhorada usando um modelo mais poderoso, que cria vários modelos simples (ou árvores) e os combina em um modelo final. Aprenda a usar técnicas de modelagem avançadas, como MARS^®, TreeNet^® e Random Forests^® para analisar padrões encontrados em dados históricos para obter melhores insights, identificar riscos potenciais, procurar oportunidades de melhoria e fazer previsões sobre o futuro. Observação: Uma assinatura do Módulo de Análise Preditiva complementar é necessária para este curso.