Modelado predictivo y minería de texto

El análisis predictivo consiste en utilizar datos y algoritmos estadísticos para predecir lo que podría suceder a continuación en función del proceso y el entorno actual.

En este módulo, aprenderá sobre algunas de las técnicas principales que se utilizan para crear modelos predictivos, como abordar el sobreajuste, seleccionar el mejor modelo predictivo y utilizar la regresión lineal múltiple y la regresión logística. También verá cómo ajustar otros tipos de modelos predictivos, como la regresión penalizada, los árboles de decisión y las redes neuronales. Por último, aprenderá a extraer información y significado de datos de texto no estructurados, como los datos de respuestas de encuestas.

Tiempo estimado para completar este módulo: 3 a 4 horas

Conceptos básicos del modelado predictivo

• Introducción al modelado predictivo
• Sobreajuste y validación de modelos
• Evaluación del rendimiento del modelo: modelos de predicción
• Evaluación del rendimiento del modelo: modelos de clasificación
• Curvas ROC (Receiver-Operating Characteristic)

Árboles de decisión

• Introducción a los árboles de decisión
• Árboles de clasificación
• Árboles de regresión
• Árboles de decisión con validación
• Bosques Bootstrap

Redes neuronales

• ¿Qué es una red neuronal?
• Interpretación de redes neuronales
• Modelado predictivo con redes neuronales

Regresión generalizada

• Introducción a la regresión generalizada
• Ajuste de modelos mediante máxima verosimilitud
• Introducción a la regresión penalizada

Comparación y selección de modelos

• Comparar modelos predictivos

Introducción a la minería de texto

• Introducción a la minería de texto
• Procesamiento de datos de texto
• Curado de la lista de términos
• Visualización y exploración de datos de texto
• Análisis (minería) de datos de texto