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: 0A108GES / 0A108G | Categoría / Subcategoría: IBM SPSS Modeler / IBM SPSS Modeler |
| Modalidad: Online y presencial | Duración en días: 2 |
Público al que va dirigido
Usuarios de IBM SPSS Modeler responsables de crear modelos predictivos que desean utilizar todo el potencial de los modelos de clasificación en IBM SPSS Modeler.
Requisitos previos deseados:
• Alfabetización informática general
• Se recomienda completar previamente Introducción a IBM SPSS Modeler y Data Science (v18.1.1).
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
Unit 1 – Introduction to text mining
• Describe text mining and its relationship to data mining
• Explain CRISP-DM methodology as it applies to text mining
• Describe the steps in a text mining project
Unit 2 – An overview of text mining
• Describe the nodes that were specifically developed for text mining
• Complete a typical text mining modeling session
Unit 3 – Reading text data
• Reading text from multiple files
• Reading text from Web Feeds
• Viewing text from documents within Modeler
Unit 4 – Linguistic analysis and text mining
• Describe linguistic analysis
• Describe Templates and Libraries
• Describe the process of text extraction
• Describe Text Analysis Packages
• Describe categorization of terms and concepts
Unit 5 – Creating a text mining concept model
• Develop a text mining concept model
• Score model data
• Compare models based on using different Resource Templates
• Merge the results with a file containing the customer’s demographics
• Analyze model results
Unit 6 – Reviewing types and concepts in the Interactive Workbench
• Use the Interactive Workbench
• Update the modeling node
• Review extracted concepts
Unit 7 – Editing linguistic resources
• Describe the resource template
• Review dictionaries
• Review libraries
• Manage libraries
Unit 8 – Fine tuning resources
• Review Advanced Resources
• Extracting non-linguistic entities
• Adding fuzzy grouping exceptions
• Forcing a word to take a particular Part of Speech
• Adding non-Linguistic entities
Unit 9 – Performing Text Link Analysis
• Use Text Link Analysis interactively
• Create categories from a pattern
• Use the visualization pane
• Create text link rules
• Use the Text Link Analysis node
Unit 10 – Clustering concepts
• Create Clusters
• Creating categories from cluster concepts
• Fine tuning Cluster Analysis settings
Unit 11 – Categorization techniques
• Describe approaches to categorization
• Use Frequency Based Categorization
• Use Text Analysis Packages to Categorize data
• Import pre-existing categories from a Microsoft Excel file
• Use Automated Categorization with Linguistic-based Techniques
Unit 12 – Creating categories
• Develop categorization strategy
• Fine turning the categories
• Importing pre-existing categories
• Creating a Text Analysis Package
• Assess category overlap
• Using a Text Analysis Package to categorize a new set of data
• Using Linguistic Categorization techniques to Creating Categories
Unit 13 – Managing Linguistic Resources
• Use the Template Editor
• Share Libraries
• Save resource templates
• Share Templates
• Describe local and public libraries
• Backup Resources
• Publishing libraries
Unit 14 – Using text mining models
• Explore text mining models
• Develop a model with quantitative and qualitative data
• Score new data
Appendix A – The process of text mining
• Explain the steps that are involved in performing a text mining project
¿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