Analítica avanzada con RapidMiner

Introducción

• Visión general de RapidMiner Studio.
• Orientación sobre la interfaz y las funcionalidades de RapidMiner.

Metodología CRISP-DM en RapidMiner

• Comprensión del marco de trabajo CRISP-DM.
• Aplicación en la estimación y proyección de valores.

Comprensión y preparación de datos

• Importación y exploración de datos.
• Técnicas de preprocesamiento y limpieza.
• Métodos avanzados de transformación de datos.

Modelado de datos con RapidMiner

• Introducción al modelado de datos.
• Selección y aplicación de algoritmos de aprendizaje automático.
• Algoritmos de aprendizaje supervisado.
• Algoritmos de aprendizaje no supervisado.

Evaluación y despliegue del modelo

• Técnicas para la evaluación del modelo.
• Estrategias para el despliegue del modelo.
• Reajuste y optimización del modelo.

Análisis de series temporales y predicción

• Fundamentos del análisis de series temporales.
• Aplicación de modelos de media móvil.
• Prealprocesamiento de series temporales y agregación de datos.

Técnicas avanzadas para series temporales

• Análisis de descomposición.
• Proyección con ventanas temporales.
• Proyección mediante generación de características.

Modelado ARIMA

• Comprensión de los modelos ARIMA.
• Aplicación práctica en RapidMiner.

Resumen y próximos pasos