SPSS Modeler: modelado predictivo avanzado (0A038G)

• Equipos con un modelo en producción que se ha quedado en un techo de precisión.
• Quien tiene cientos de predictores y necesita reducirlos antes de modelar.
• Analistas que quieren pasar de un modelo único a una combinación de varios.

• Preparar los datos para modelar: calidad, anomalías, selección de predictores, partición y equilibrado
• Reducir datos con PCA y análisis factorial: la idea de fondo, cuántos componentes y la rotación de la solución
• Crear conjuntos de reglas con Decision List: cómo las construye, uso interactivo y creación directa
• Modelos supervisados avanzados: máquinas de vectores de soporte, Random Trees y XGBoost
• Combinar modelos: el nodo Ensemble y la mejora por modelado de metanivel
• Encontrar el mejor modelo supervisado: nodo Auto Clasificador para objetivos categóricos y Auto Numérico para continuos

• Laboratorios sobre IBM SPSS Modeler con datos de verdad: flujos que se construyen, se ejecutan y se corrigen en clase.
• Impartido directamente por instructores IBM Champion del equipo SIXE.
• Badges Credly acreditables: credly.com/organizations/sixe/badges
• Formato flexible —online, presencial u onsite— en grupos cerrados, con precio por alumno e idioma a elegir (ES / EN / FR).

¿Entra XGBoost?
Sí, junto con Random Trees y máquinas de vectores de soporte. Son los tres modelos que más se piden de este temario.

¿Qué es el modelado de metanivel?
Usar las predicciones de varios modelos como entrada de otro que decide. Se ve con el nodo Ensemble y con los nodos Auto Clasificador y Auto Numérico.

¿Cómo se organiza y qué cuesta?
Se monta como grupo cerrado, con precio por alumno. Decidnos cuántos sois y qué fechas os vienen bien, y os pasamos propuesta.

• 0A079G — modelos de machine learning
• 0A039G — modelos avanzados
• 0A0U8G — objetivos categóricos