El objetivo de este seminario es el de formar al estudiante en el pensamiento analítico a partir de una sólida discusión e investigación sobre 4 “Algoritmos de Aprendizaje de Máquina” y en como estos pueden ser empleados para solucionar diversos problemas de toma de decisiones.
El objetivo es desarrollar a lo largo del programa un caso de uso que incluya la elaboración de al menos un modelo predictivo.
Este es un seminario de investigación aplicada, por consiguiente, lo que se busca como objetivo final es construir una solución basada en Power BI (dashboards + modelos predictivos + reportes + aplicaciones) que den respuesta a una interrogante empresarial.
(Todas las investigaciones podrán ser difundidas por LPI con propósitos de estudio a otros interesados).
Microsoft sigue incluyendo en todos sus productos tecnologías disruptivas de IA como el lenguaje natural, la IA generativa y el aprendizaje de máquina que permiten interactuar con los datos de una manera amplia y flexible de modo de encontrar conocimiento analítico inmediato, asi también está incluyendo Copilot que se prevé será el próximo estándar y que seguro sustituirá los exploradores actuales.
ALCANCE
- El curso incluye todos los módulos descritos en el programa de estudio.
- Para las lecciones se usará un servidor real de MS PowerBI con licencias MS PowerBI Pro.
- El seminario tiene un costo de 80 euros.
DIRIGIDO A:
El curso está dirigido a Analistas, Investigadores en Análisis de Datos, profesionales de Ingeniería, Administración, Finanzas, Economía y carreras afines, Gerentes de Tecnología, Analistas de Sistemas, Administradores de Base de Datos, Analistas de Procesos y cualquier otro interesado en el análisis de la información y proceso de certificación.
- Módulo 1 (4 hrs.): Modelamiento de Datos
Objetivo: Preparar los datos para el proceso analítico a traves de diversas técnicas de modelamiento de datos.
Crear relaciones entre tablas.
Crear un campo con columnas calculadas.
Cardinalidad, granularidad, perfilamiiento, escalamiento, orientación de filtros de los datos.
Optimizar datos ocultando campos y ordenando datos de visualización.
Crear una medida calculada. Crear tabla calculada.
Dar formato a los datos basados en tiempo para poder explorar en profundidad para obtener más detalles
Laboratorio 1.
Módulo 2 (5 hrs.): Árboles Jerárquicos de descomposición
Objetivo: Entender como un agregado o KPI empresarial puede ser explicado a través de su descompocisión en detalles según los atributos o dimensiones que tengamos definidas con un orden lógico dentro de una jerarquía.Un árbol de descomposición puede usarse para realizar análisis de causa raíz para ver cómo las categorías individuales en un grupo contribuyen al valor global.El esquema jerárquico es un objeto visual que ayuda a comprender la causa principal que contribuye a un valor de KPI alto o bajo.
Tipos de decisiones en las que se emplean los árboles jerarquizados.
El modelo de Análisis causa-raíz (RCA).
Entropia, índice de GINI
El objeto “Esquema jerarquizado”. Tipos de parámetros (Analizar / Explorar por).
Divisiones basadas en IA.
Interacciones del esquema con divisiones de IA.
Filtros cruzados con otros objetos visuales.
Laboratorio 2.
Módulo 3 (5 hrs.): Factores de Influencia
Objetivo: Para cualquier negocio, identificar y comprender a los influenciadores clave del rendimiento y los resultados empresariales y los segmentos de clientes es fundamental para tomar decisiones. El análisis de influenciadores clave puede revelar qué factores tienen el mayor impacto en el rendimiento empresarial y puede ayudar a una empresa a responder preguntas como “¿qué factores llevan a los clientes a dejar opiniones negativas sobre este servicio?” o “¿qué influye en el aumento de los precios de la casa?”. La visualización de influenciadores clave es una solución de aprendizaje automático que permite que las empresas aprovechen la inteligencia artificial para que puedan analizar sus datos en menos tiempo.
Tipos de decisiones en que se emplean los factores de influencia.
El modelo de Factores de Influencia.
El objeto “Elementos influyentes clave”. Tipos de parámetros (Analizar / Explorar por)
Características del objeto visual.
Interpretación de los influenciadores clave categóricos. Interacción con otros objetos visuales. Interpretación de los influenciadores clave continuos.
Influenciadores clave continuos discretizados. Interpretación de medidas o agregados como influenciadores clave.
Interpretar los resultados: Segmentos principales.
Adición de recuentos.
Análisis de una métrica numérica.
Consideraciones y solución de problemas.
Caso de uso.
Laboratorio 3
Módulo 4 ( 5 hrs.): Clustering
Objetivo: Clustering es el método de identificar grupos similares de datos en un dataset de tal manera que los objetos de un mismo grupo (llamado clúster) tengan similares propiedades. Es una técnica de aprendizaje no supervisado, que no se requiere una identificación o etiqueta para los registros que están siendo analizados. Los casos de uso de la agrupación en clústeres incluyen:
– Detección de anomalías, como detección de fraudes o detección de piezas mecánicas defectuosas.
– Segmentación de clientes con fines de marketing.
– Análisis de datos de viajes compartidos
Métodos de agrupamiento / clusters
Metodo 1: Agrupamiento automático en Power BI
* 2 dimensiones: gráfico de dispersión
* Multidimensional: tabla
Metodo 2. Python/R
* Visualización
* Transformación
El algoritmo de K-means
Tipos de decisiones en que se emplean las correlaciones.
Parámetros y procedimiento de ejecución.
El objeto “Gráfica de dispersión”: Cluster Bi-variable
El objeto “Gráfica de dispersión”: Cluster Multi-variable
Laboratorio 4.
- Módulo 5 (5 hrs.): Regresiones basadas en Mínimos Cuadrados
Objetivo: La econometría es el uso de la economía y estadística para el estudio de temas económicos como el PIB, la inversion, el desempleo, inflación, consumo, demanda, etc.En la econometría una de las técnicas fundamentales de análisis es el análisis de Regresión Lineal y no Lineal. Cuando hablamos de modelos de regresión lineal se esta analizando la relación entre dos variables llamado modelo univariado o con mas variables llamado modelo de regresión multiple.Lo que se busca es identificar la dirección de dicha relación, si es positiva o negativa, el grado de asociación entre las variables y su significancia estadística.Tambien la econometría sirve para analizar la relación entre variables no lineales, es decir tipo exponencial y polinomial.El análisis de Regresiones permite utilizar los resultados para realizar pronósticos. Por ejemplo, para pronosticar el crecimiento económico, tipo de cambio, tasa de desempleo, etc.
Econometría y la técnica de “Los Mínimos Cuadrados”.
Tipos de decisiones en que se emplean las regresiones.
Regresión lineal simple (univariada) o múltiple.
El objeto “Gráfica de Línea”.
Función LINEST, LINESTX
Laboratorio 5.
El curso de especialización se brinda en la modalidad virtual y ofrece:
– Implementación de un caso de uso de Analítica Predictiva empleando las herramientas de Machine Learning e Inteligencia Artificial de Power BI.
– El caso de uso del curso se va revisando semana a semana por medio de ciclos de revisión (sprints). El estudiante debe completar ciertos entregables para poder continuar con los siguientes módulos lo que asegura una mejor absorción del conocimiento.
– Servidor real de MS PowerBI con licencias originales para uso del estudiante.
– Todas las lecciones quedan grabadas y a disposición del estudiante.
– Soporte en linea de especialistas.
– Acceso a la DB del curso con materiales de estudio multimediales.
REQUISITOS
Para participar en el presente diplomado de especialización se requiere:
- Es recomendable disponer de datos relacionados a un problema empresarial para su estudio y solución con Power BI. Para esto recibirá toda la asesoría y apoyo de LPI.
- Formación básica en procesos de empresa, base de datos y estadítica.
DURACIÓN DEL PROGRAMA
El seminario de especialización tiene una duración de 4 (cuatro) semanas de estudio, con un total de 24 horas académicas de videoconferencias con el especialista. El horario de las sesiones se coordinan con el estudiante al inicio del curso y preferiblemente serán en horarios nocturnos o los fines de semana.
CERTIFICACIÓN
Al finalizar el curso de especialización al participante se le emitirá y enviará al correo electrónico su respectivo certificado digital emitido por: Limitless Power of Information LPI Italy y nuestros asociados, el cual se acredita con un total de 24 horas académicas lectivas.
La certificación de LPI no es una certificación validada por Microsoft, pero es una excelente base para preparar al estudiante para obtener la certificación: Microsoft Certified Power BI Data Analyst Associate
INVERSIÓN: 80 euros.
Microsoft es la empresa americana de software más importante del planeta, con mas de 221,000 empleados, ingresos estimados por mas de 211 Billones de USD al 2023 y líder en el sector de Analítica de Datos. Sus plataformas analíticas son empleadas por el 97% de las “Fortune 500” compañias.
Ser un consultor en Analítica de Negocios de Microsoft es posicionarse en la ola de la innovación tecnológica, mantenerse siempre actualizado con las ultimas tendencias tecnologicas, ser parte de un ecosistema mundial de altisima calidad y responder la alta demanda de profesionales que en estan siendo requeridos.
Microsoft está posicionado por 16 años consecutivos en el Cuadrante de los líderes en el sector de Business Intelligence and Analytics según la prestigiosa empresa de estudios de mercado Gartner.
El Analista de Datos es el profesional con conocimiento del negocio que transforma los datos, crea modelos de análisis y proporciona información crítica para la toma de decisiones.
Visitas: 29
Escribanos