Descripción
En SIXE 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: 0A038GES / 0A038G | 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
• Usuarios de IBM SPSS Modeler responsables de construir modelos predictivos
Requisitos previos deseados:
• Familiaridad con el entorno de IBM SPSS Modeler (creación, edición, apertura y almacenamiento de secuencias).
• Familiaridad con las técnicas básicas de modelado, ya sea a través de la finalización de los cursos Modelado predictivo para objetivos estratégicos utilizando IBM SPSS Modeler y / o Predictive Modeling para objetivos continuos utilizando IBM SPSS Modeler, o por experiencia con modelos predictivos en IBM SPSS Modeler .
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. Preparing data for modeling
• Address general data quality issues
• Handle anomalies
• Select important predictors
• Partition the data to better evaluate models
• Balance the data to build better models
2. Reducing data with PCA/Factor
• Explain the idea behind PCA/Factor
• Determine the number of components/factors
• Explain the principle of rotating a solution
3. Creating rulesets for flag targets with Decision List
• Explain how Decision List builds a ruleset
• Use Decision List interactively
• Create rulesets directly with Decision List
4. Exploring advanced supervised models
• Explain the principles of Support Vector Machine (SVM)
• Explain the principles of Random Trees
• Explain the principles of XGBoost
5. Combining models
• Use the Ensemble node to combine model predictions
• Improve model performance by meta-level modeling
6. Finding the best supervised model
• Use the Auto Classifier node to find the best model for categorical targets
• Use the Auto Numeric node to find the best model for continuous targets
¿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
