Preparación de datos para Data Mining

Duracion:

• 3 días.

Descripción:

• Este curso introduce en las técnicas de programación usadas por los analistas
  para transformar datos brutos en un formato apropiado para la modelización
  predictiva.

Aprenda cómo:

• extraer datos relevantes.
• transformar datos transaccionales o de sucesos.
• usar datos no numéricos, incluyendo el control de los grados de libertad.
• resolver excepciones y extremos.

Quiénes debieran asistir

• Profesionales de data mining y de IT.

Prerrequisitos

• Este curso supone alguna experiencia en data mining. Antes de asistir a este curso,
  usted debiera tener experiencia en las técnicas comunes de modelización predictiva.

Contenido

1. Introducción:
2. Estructuras de datos brutos.
3. Estructuras de datos para modelización predictiva.
4. Revisión de los problemas principales en la preparación de datos.
5. Extracción de datos relevantes:
6. Dificultades con los datos.
7. Evaluación de los datos disponibles.
8. Acceso a los datos disponibles.
9. Extracción de una muestra representativa de targets.
10. Extracción de una muestra no contaminada de variables de entrada.
11. Transformación de datos transaccionales y de sucesos.
12. Ventajas y desventajas de los datos transaccionales.
13. Estructuras comunes de las transacciones.
14. Definición del horizonte temporal.
15. Métodos fijos y variables de horizonte temporal.
16. Implementación de transformaciones transaccionales comunes.
17. Uso de datos no numéricos:
18. Definiciones y dificultades de los datos no numéricos.
19. Detección de errores de codificación y multicodificación.
20. Control de grados de libertad.
21. Geocodificación.
22. Manejo de excepciones y valores extremos:
23. Dificultades con los valores extremos, valores faltantes y no aplicables.
24. Dificultades con las distribuciones extremas.
25. Detección de excepciones y valores extremos.
26. Remedios para las excepciones y valores extremos.