Introduction to Machine Learning Models Using IBM SPSS Modeler (V18.2)

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

Público al que va dirigido

• Científicos de datos
• Analistas de negocios
• Clientes que quieren aprender sobre modelos de aprendizaje automático




Requisitos previos deseados:

• Conocimiento de los requisitos de su negocio

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

Introduction to machine learning models

• Taxonomy of machine learning models

• Identify measurement levels

• Taxonomy of supervised models

• Build and apply models in IBM SPSS Modeler

Supervised models: Decision trees – CHAID

• CHAID basics for categorical targets

• Include categorical and continuous predictors

• CHAID basics for continuous targets

• Treatment of missing values

Supervised models: Decision trees – C&R Tree

• C&R Tree basics for categorical targets

• Include categorical and continuous predictors

• C&R Tree basics for continuous targets

• Treatment of missing values

Evaluation measures for supervised models

• Evaluation measures for categorical targets

• Evaluation measures for continuous targets

Supervised models: Statistical models for continuous targets – Linear regression

• Linear regression basics

• Include categorical predictors

• Treatment of missing values

Supervised models: Statistical models for categorical targets – Logistic regression

• Logistic regression basics

• Include categorical predictors

• Treatment of missing values

Supervised models: Black box models – Neural networks

• Neural network basics

• Include categorical and continuous predictors

• Treatment of missing values

Supervised models: Black box models – Ensemble models

• Ensemble models basics

• Improve accuracy and generalizability by boosting and bagging

• Ensemble the best models

Unsupervised models: K-Means and Kohonen

• K-Means basics

• Include categorical inputs in K-Means

• Treatment of missing values in K-Means

• Kohonen networks basics

• Treatment of missing values in Kohonen

Unsupervised models: TwoStep and Anomaly detection

• TwoStep basics

• TwoStep assumptions

• Find the best segmentation model automatically

• Anomaly detection basics

• Treatment of missing values

Association models: Apriori

• Apriori basics

• Evaluation measures

• Treatment of missing values

Association models: Sequence detection

• Sequence detection basics

• Treatment of missing values

Preparing data for modeling

• Examine the quality of the data

• Select important predictors

• Balance the 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