Prerequisitos: Conocimiento básico de matemáticas, estadística y bases de datos.
Por medio de la comprensión de conceptos básicos en cuanto a nivel de procesamiento requerido por algoritmos comunes en la analítica avanzada, y la selección del adecuado según el problema presentado, los asistentes al curso podrán asegurar que los modelos generados sean operacionales. En este curso se tocan temas relevantes a procesos estadísticos y de analítica avanzada, se profundiza en la conceptualización de redes neuronales y sus aplicaciones, de forma que se puedan crear modelos clasificatorios complejos, tendencias no lineales, predictivos y sistemas de reconocimiento de patrones. Se explica el tema de nivel de entrenamiento y los conceptos de under-fitting y over-fitting, que permiten comprender el balance entre bias y varianza para lograr un modelo útil.Se hace una explicación sobre el funcionamiento de las redes neuronales utilizando conceptos de transformación de espacios vectoriales, con lo que se aclara que los modelos lineales siguen siendo aplicables a espacios que muestran comportamientos no lineales, simplemente transformando el espacio.