Aplicaciones de Ciencia de Datos para empresas: Aplicando Machine Learning

Bienvenida

Luis Aburto Lafourcade

Director Académico

El Curso Aplicaciones de Ciencia de Datos para empresas: Aplicando Machine Learning busca introducir a ejecutivos e ingenieros de empresas productivas y de servicios, a vincular problemas de negocios con métodos de machine learning ocupados en ciencia de datos. A través de estas herramientas, explotar la información comercial y operacional para aumentar la productividad de los recursos y los resultados operacionales.

El curso abarca diversas problemáticas que afectan a distintas industrias: retail, banca, telecomunicaciones, gobierno, minería, utilities, entre otras. A través del modelamiento predictivo los participantes de este curso podrán evaluar cómo anticiparse a problemas existentes en la empresa y, por lo tanto, apoyar distintos tipos de decisiones operativas, tácticas y estratégicas.

Durante el curso se usarán herramientas descriptivas (no supervisadas), así como predictivas (supervisadas). Entre ellas se usarán métodos descriptivos como k-medias y reglas de asociación. De la misma forma se usarán modelos supervisados para predecir comportamientos: árboles de decisión, regresión lineal, regresión logística y redes neuronales. El curso tiene un foco importante en la aplicación. Primero, los participantes usarán base de datos transaccionales de empresas tipo y la herramienta python para entrenar diversos modelos, y así obtener conclusiones para apoyo de decisiones de negocio. De la misma forma, cada uno de los casos se analizará en términos de negocio, evaluando como los modelos predictivos permiten un impacto real en diversos kpi o indicadores de desempeño del negocio.

¿A quién va dirigido?

Empresas y emprendedores que requieran poseer la certificación de Analítica de Datos. El perfil objetivo de este programa son:

Emprendedores
Consultores
Analistas
Directivos
Coordinadores

¿En qué consiste este programa?

Entregar herramientas para el uso y aplicaciones de Ciencia de Datos en Empresas.

Este programa es altamente práctico y busca los siguientes objetivos:

Relacionar modelos de ciencia de datos con problemas de negocio en empresas, tanto para la eficiencia comercial y operacional.
Usar herramientas de modelamiento descriptivo para segmentación de clientes y análisis de canasta de compra.
Desarrollar metodologías CRISP-DM para la ejecución de proyectos de Ciencia de Datos.
Analizar casos de uso de herramientas descriptivas y predictivas para distintos problemas de negocio, en ámbitos operacionales y comerciales.
Aplicar modelos de aprendizaje supervisado para resolución de problemas predictivos en empresas: retención de cliente, riesgo de crédito y estimación de demanda.

Información General

Precio

100 UF

Fechas y horarios

14 septiembre, de 18:00 a 21:30 horas.
21 septiembre, de 9:00 a 13:30 horas.
28 septiembre, de 9:00 a 13:30 horas.
5 octubre, de 9:00 a 13:30 horas.
19 octubre, de 9:00 a 12:30 horas.

Lugar

Clases vía streaming

Información e inscripciones

Soraya Hammad

soraya.hammad@uai.cl
(562) 23311613

Forma de pago y beneficios

Contado y cuotas

Descuentos

15% para ex alumnos y exalumnas de pregrado y postgrado UAI.

Profesor

Contenidos

Módulo 1: Introducción a uso de Ciencia de Datos en Empresas

Tipos de Modelos en Ciencia de Datos.
Asociando métodos de machine learning a problemas de negocios.
Metodologías de Desarrollo de Proyectos en Ciencia de Datos: CRISP-DM.

Módulo 2: Segmentación de Clientes

Métodos y herramientas de clustering y agrupamiento de datos: K-Medias, Fuzzy C- Means, X-Means.
Aplicación en Python para segmentación de clientes en una institución bancaria.
Análisis de Caso de Negocio: Aplicación para análisis e interpretación de segmentos como output de un modelo de machine learning.

Módulo 3: Análisis de Canasta de Compra

Métodos y herramientas para análisis de canasta de compra. Filtros Colaborativos y Reglas de Asociación.
Aplicación en Python para análisis de canasta de compra usando datos transaccionales de supermercado.
Análisis de Caso de Negocio: Diseño de campañas de venta cruzada para retailer.

Módulo 4: Retención de Clientes

Métodos y herramientas de aprendizaje supervisado para clasificación. Arboles de decisión y Regresión Logística.
Análisis de Caso de Negocio: Aplicación para retención de clientes en compañía de seguros.
Aplicación en Python para aplicación de modelos de clasificación para estimación de probabilidad de fuga de clientes.

Módulo 5: Predicción de Capacidad de Pago de clientes

Métodos y herramientas de aprendizaje supervisado para clasificación.
Redes Neuronales (Perceptrón multicapas) y Support Vector Machines.
Análisis de Caso de Negocio: Modelo de credit scoring para estimación de capacidad de pago de clientes.
Aplicación en Python para credit scoring y uso de MLP y SVM para predicción de pago de clientes de tarjeta de crédito.

Módulo 6: Predicción de Demanda

Modelos de regresión lineal y estimación de mínimos cuadrados. Interacciones entre variables y transformaciones no lineales a variables independientes.
Análisis de Caso de Negocio: Estimación de efectos de campañas de marketing y ventas transaccionales.
Aplicación en Python para regresión lineal y estimación de demanda.

Información e inscripciones

Trinidad Ahumada (562) 62774983 Trinidad.ahumada@uai.cl

Inscribirse

¿A quién va dirigido? ¿En qué consiste este programa? Información General Contenidos Información e inscripciones