Teoría de Decisiones en Data Mining

Duracion:

• 1 día.

Descripción:

• Este curso le enseña a utilizar conceptos de la teoría estadística de las decisiones
  en tareas de modelización predictiva.

Aprenda cómo:

• Evaluar modelos en función de métricas específicas a una aplicación predictiva.
• Optimizar las decisiones tomadas a partir de un modelo.
• Utilizar las herramientas de teoría de decisiones.

Quiénes debieran asistir

• Analistas de datos y analistas de data mining.

Prerrequisitos

• Experiencia previa en modelización predictiva. Conocimientos básicos de Data Mining.

Contenido

1. Elementos de teoría estadística de las decisiones
2. Elementos básicos.
3. Funciones de pérdida, riesgo, utilidad, etc.
4. Reglas y principios de decisión.
5. Análisis frecuencialista y bayesiano.
6. Limitaciones prácticas de una modelización que no utilice apropiadamente la teoría
   de decisiones:
7. Comparación de modelos usando diversas métricas vinculadas a las decisiones.
8. Relaciones entre modelos y decisiones:
9. Utilización de probabilidades previas e impacto sobre los modelos básicos.
10. Tipos de matrices de decisiones, sus características y efectos sobre los modelos
    básicos.
11. Métricas vinculadas a las decisiones y su relación con la selección y evaluación
    de modelos.
12. Umbrales de decisión y gráficos de ganancias.
13. Herramientas de teoría de decisiones:
14. Implementación de elementos de teoría de decisiones.
15. Target Profiler, componentes y su utilización.
16. Procedimiento Decide.
17. Nodos Decisión, Model Comparison y Cut-off.
18. Ejemplos y aplicaciones prácticas