Descripción

Duración: 10 horas

MODALIDADES PARA EL CURSO DE MINERÍA DE DATOS PARA LA TOMA DE DECISIONES FINANCIERAS

Presencial y ONLINE en vivo por zoom

OBJETIVO DEL CURSO DE MINERÍA DE DATOS PARA LA TOMA DE DECISIONES FINANCIERAS:

Al término del curso en participante entenderá y contará con la metodología que le permita realizar Minería de Datos y aplicarla para la toma de decisiones financieras.

DIRIGIDO A: 

Gerentes, directores y dueños de empresas de todos los sectores, así como a todo aquel profesionista profesionistas en el ámbito financiero y de tecnologías de información con interés en conocer a cerca de la Minería de Datos, en el ámbito financiero

BENEFICIOS:

Sabrá qué es la Minería de Datos y su aplicación en el ámbito financiero.

Conocerá las principales metodologías de Minería de Datos.

Aplicará la metodología de Árboles de Decisión para pronosticar valores económicos y financieros.

Aplicará la metodología de Redes Neuronales para clasificar y predecir información financiera.

1.- INTRODUCCIÓN A LA MINERÍA DE DATOS FINANCIEROS

2.- EL CICLO DE VIDA ANALÍTICO: COMBINANDO DATOS, EL DESCUBRIMIENTO Y LA IMPLEMENTACIÓN

3.- ¿QUÉ PUEDE AYUDARLE A DESCUBRIR LA MINERÍA DE DATOS?

4.- UN VISTAZO AL ROI DE LA MINERÍA DE DATOS EN EL PROCESO DE DESCUBRIMIENTO

Paso1: Convierta una pregunta de negocio en una hipótesis analítica

Paso2: Prepare los datos para la minería de datos

Paso 3: Explore los datos

Paso4: Modele los datos

5.- ALGUNAS SOLUCIONES DE MINERÍA DE DATOS

Usando SAS Enterprice Miner para la Minería de datos y Machine Learning

Usando IBM Text Analytics para Minería de datos y análisis de sentimientos

Escalando su proceso de descubrimiento para manejar Big Data y los problemas complejos

La integración facilita la implementación de modelos, el monitoreo y la gestión

6.- CASO PRÁCTICO DE LA METODOLOGÍA ESTADÍSTICA DE ÁRBOLES DE DECISIÓN PARA PRONOSTICAR VALORES ECONÓMICOS Y FINANCIEROS

7.- CASO PRÁCTICO DE LA METODOLOGÍA DE MINERÍA DE DATOS REDES NEURONALES PARA LLEVAR A CABO CLASIFICACIÓN Y PREDICCIÓN DE DATO FINANCIEROS

8.- CONCLUSIONES