Prerequisitos: Conocimiento básico de matemáticas, estadística y bases de datos.
Contar con los conocimientos necesarios para habilitar el análisis de datos, comprender el concepto de tendencia, relación, transformación entre otros utilizados en los modelos de analítica avanzada. Los temas se tratan desde una perspectiva intuitiva, utilizando la teoría como herramienta partiendo de la comprensión del concepto base. No es un sustituto de cursos completos sobre los temas aquí mencionados, sino un repaso de los mismos que permita identificar aquellos que requieran ser repasados a profundidad por cada asistente.Se requieren conocimientos previos de matemáticas, sin pedir recordar a detalle los mismos, ya que se hará el repaso durante el curso. Presenta a los asistentes el ciclo de desarrollo de proyectos de analítica CRISP-DM, así como algunos algoritmos básicos, con el concepto que los origina. Habilita la ejecución formal de proyectos de analítica, por medio de la comprensión de la naturaleza cíclica de los mismos, ejemplificando en RapidMiner la aplicación de los ciclos para una clara comprensión de la razón de los mismos. Comprender el concepto de correlación permitirá definir datos redundantes, así como datos que aportan valor al modelo y aplicar modelos clasificatorios simples. Continua con el proceso de conceptualización base algunos procesos de analítica y da una breve introducción a uno de los modelos de mayor trascendencia en el nacimiento de la inteligencia artificial: el perceptrón, que aunque tiene una aplicación sumamente limitada, permite comprender el concepto de “Machine Learning”.