Taller de Análisis Exploratorio de Datos con RapidMiner - PeruStat Analytics .

Background

TALLER DE
ANÁLISIS EXPLORATORIO DE DATOS
CON RAPID MINER

Modalidad: In-House
Duración: 8 Horas académicas

Solicítanos información

100% PRÁCTICO

La metodología del taller es completamente práctica. Cada sesión del curso está motivada por un conjunto de datos en particular, de tal forma que el participante gane experiencia trabajando con una amplia variedad de fuentes de datos similares a los que usa en la realidad.

PROFESIONALES EN LA ENSEÑANZA

Quienes forman parte de nuestro equipo de capacitadores destacan no sólo en su desempeño profesional en el campo, sino también por su labor académica en las principales universidades del país. Es decir, no sólo son expertos profesionales sino también, especialistas de la enseñanza.

Nuestros alumnos provienen de las principales organizaciones del país.
34
17
31
7
11
35
26
16
23
32
21
3
20
22
13
10
18
19
9
14
4
2
27
30
8
6
29
12
backus
bcp
Background

DIRIGIDO A...

Analistas e investigadores de mercado. Profesionales de marketing.
Público en general que requiera aplicar técnicas analíticas descriptivas.

REVISA EL CONTENIDO DEL TALLER

  • Fases de la Minería de Datos. Descubrimiento de Conocimiento en Bases de datos (KDD).
  • Interfaz gráfica de usuario de RapidMiner.
  • Terminología básica: Repositorio, atributos y ejemplos, operadores y procesos.
  • Herramientas de importación y exportación de datos.
  • Lectura de archivos de texto: delimitadores alternativos y archivos.
  • Lectura de bases de datos con muchos atributos.
  • Resumen de datos: medidas estadísticas
  • Visualización de datos: gráficos univariados y bivariados
  • Detección de valores atípicos (outliers).
    • Detect Outlier (Distances)
    • Detect Outlier (Densities)
    • Detect Outlier (LOF)
    • Detect Outlier (COF)
  • Herramientas de muestreo (selección de instancias).
  • Manejo de datos perdidos.
    • Tipos de datos perdidos.
    • Detección.
    • Imputación.
  • Herramientas de transformación de datos
    • Transformación de atributos.
    • Discretización.
    • Agregación: Tablas dinámicas (pivot tables)
  • Reducción de la Dimensionalidad: Análisis de Componentes Principales.
  • Caso de Estudio
  • Discusión Final

PREGUNTAS FRECUENTES

Conocimientos básicos de estadística descriptiva (recomendable)