Analítica predictiva

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.

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.

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.

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.