Prerequisitos: Conocimiento básico de matemáticas, estadística y bases de datos.
El mundo no se comporta de forma lineal. Las fronteras no son líneas rectas, y esto aplica también con los datos, los comportamientos y las fronteras en las clasificaciones. Los modelos lineales nos permiten ejecutar análisis ágiles pero de menor precisión que los modelos no lineales. En este curso se revisarán modelos no lineales, aplicándolos a ejemplos reales, de forma que se pueda comparar el resultado de los mismos contra modelos lineales. Los resultados obtenidos se comentarán en grupo, así como el funcionamiento de los modelos seleccionados. Se compararán gráficamente para aclarar las dudas que puedan existir en cuanto a la superioridad en precisión de los mismos, así como las limitantes en cuanto a procesamiento, recordando el balance entre performance y exactitud.Se presentan los esquemas de validación de modelos predictivos, incluyendo ejemplos en RapidMiner, para comprender la matriz de confusión y la validez de los distintos métodos.Los proyectos de analítica complejos requieren la combinación de varios modelos de analítica avanzada y estadística, llamados ensambles. Se revisarán ejemplos de los mismos.