Descripción
En Sixe Ingeniería llevamos más de 12 años impartiendo formación oficial de IBM en todo el mundo. Obtenga la mejor capacitación impartida por nuestros especialistas en Europa y América Latina.
Datos del curso
| Código IBM: 0A018GES / 0A018G | Categoría / Subcategoría: IBM SPSS Modeler / IBM SPSS Modeler |
| Modalidad: Online y presencial | Duración en días: 1 |
Público al que va dirigido
• Analistas de negocios
• Científicos de datos
• Participantes que desean comenzar con la ciencia de datos
Requisitos previos deseados:
• Se recomienda que comprenda los datos de su empresa
Instructores
La gran mayoría de los cursos de IBM que ofrecemos están impartidos directamente por nuestros ingenieros. Solo así podemos garantizar la máxima calidad de los mismos. Complementamos todas las formaciones con materiales y laboratorios de elaboración propia, basados en nuestra experiencia durante los despliegues, migraciones y cursos que hemos realizado durante todos estos años.
Valor añadido
Nuestros cursos están profundamente orientados al rol a desempeñar. No es lo mismo las necesidades de dominio de una tecnología para un equipo de desarrolladores, que para las personas encargadas de desplegar y administrar la infraestructura. Es por ello que más allá de comandos y tareas, nos centramos en la resolución de los problemas que se presentan en el día a día de cada equipo. Proporcionándoles los conocimientos, competencias y habilidades requeridas para cada proyecto. Además nuestra documentación está basada en la última versión de cada producto.
Agenda y temario del curso
1: Introduction to data science and IBM SPSS Modeler
• Explain the stages in a data-science project, using the CRISP-DM methodology
• Create IBM SPSS Modeler streams
• Build and apply a machine learning model
2: Setting measurement levels
• Explain the concept of "field measurement level"
• Explain the consequences of incorrect measurement levels
• Modify a field's measurement level
3: Exploring the data
• Audit the data
• Check for invalid values
• Take action for invalid values
• Impute missing values
• Replace outliers and extremes
4: Using automated data preparation
• Automatically exclude low quality fields
• Automatically replace missing values
• Automatically replace outliers and extremes
5: Partitioning the data
• Explain the rationale for partitioning the data
• Partition the data into a training set and testing set
6: Selecting predictors
• Automatically select important predictors (features) to predict a target
• Explain the limitations of automatically selecting features
7: Using automated modeling
• Find the best model for categorical targets
• Find the best model for continuous targets
• Explain what an ensemble model is
8: Evaluating models
• Evaluate models for categorical targets
• Evaluate models for continuous targets
9: Deploying models
• List two ways to deploy models
• Export scored data
¿Necesita adaptar este temario a sus necesidades? ¿Está interesado en otros cursos? Consúltenos sin compromiso.
Ubicaciones para impartición presencial
- España: Madrid, Sevilla, Valencia, Barcelona, Bilbao, Málaga
- Argentina: Buenos Aires, Córdoba
- Bolivia: La Paz
- Chile: Santiago de Chile
- Colombia: Bogotá, Medellín, Cartagena, Cali
- Costa Rica: San José
- Ecuador: Quito
- México: Ciudad de México, Guadalajara, Monterrey
- Paraguay: Asunción
- Perú: Lima
- Portugal: Lisboa, Braga, Porto
- Uruguay: Montevideo
IBM