
Analytics y Big Data. Ciencia de los Datos aplicada al mundo de los negocios
By Sebastián Maldonado, Carla VairettiLength11h 14m
About this audiobook
Este libro constituye la primera guía en español que estudia las competencias clave para crear valor en base a datos de empresas. No solo presenta una perspectiva general de las técnicas y aplicaciones asociadas a la analítica de negocios, sino que también incluye laboratorios paso a paso para la implementación de estas herramientas. Los códigos se desarrollan en Python, que es la principal plataforma gratuita para la construcción de modelos analíticos.
Los autores ofrecen cobertura esencial a los principales temas actuales:
• Big Data (Hadoop, Spark, MapReduce y otros)
• Aprendizaje profundo
• Perfilamiento de clientes y marketing basado en datos
• Financial Analytics y modelación predictiva de riesgo
• Analytics con datos avanzados (textos e imágenes)
Audiobook details
GenreBusiness and Economics
Length11 hrs 14 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateDec 4, 2024
LanguageSpanish
Table of contents
1Sobre los autores
466.2 Regresión logística
2Prefacio
476.3 Regresión lineal y su adaptación a clasificación
3Agradecimientos
486.4 Interpretación y selección de atributos
41. Introducción a la analítica de negocios
496.5 Árboles de decisión
51.1 Capacidades analíticas
506.6 Validación de modelos
Show all chaptersShow less
61.2 Dimensión técnica: ciencia de los datos
516.7 Medidas de desempeño
71.3 Dimensión práctica: vínculo con aplicaciones y analítica de negocios
526.8 Desbalance de clases
81.4 Proceso de extracción de conocimiento
53Aplicación 3: Fuga de clientes
91.5 Dimensión práctica: lenguaje de programación Python
541. CRM analítico
102. Descriptive Analytics y preprocesamiento
552. LTV y beneficio de una campaña de retención
112.1 Análisis exploratorio de datos (AED)
567. Predictive Analytics II: Modelos «caja negra» tradicionales
122.2 Limpieza de datos
577.1 K vecinos más cercanos
132.3 Transformación de datos
587.2 Naive Bayes
142.4 Selección de atributos
597.3 Random Forest
15Laboratorio 1: Preprocesamiento
607.4 Interpretando modelos de caja negra I: BORUTA
161. Subir un archivo de Google Drive
617.5 Extensión multiclase
172. Análisis exploratorio de datos (AED)
62Aplicación 4: Experiencia del consumidor (CX)
183. Limpieza de datos
631. Fundamentos de la experiencia y satisfacción del consumidor
194. Transformación
642. Inteligencia artificial aplicada a CX
205. Filtros (selección de atributos)
653. Propuesta para el análisis de datos de CX con IA
216. Descargar base de datos preprocesada
668. Predictive Analytics III: Inteligencia artificial
22Aplicación 1: Segmentación de clientes y Targeting
678.1 Definición de una red neuronal
231. Segmentación utilizando análisis RFM
688.2 Algoritmo backpropagation
242. Segmentación utilizando análisis RFM
698.3 Actualidad en los modelos de deep learning
253. Diagnostic Analytics
70Laboratorio 3: Clasificación
263.1 Inteligencia de negocios, visualización y Dashboarding
711. Separación de datos
27Metodología
722. Entrenamiento y validación
28Laboratorio 2: Segmentación de clientes y clustering
733. Evaluación
291. K-medias 1: regla de codo
749. Predictive Analytics IV: Regresión y series de tiempo
302. K-medias 2: solución con cuatro clusters
759.1 Introducción
313. K-medias 3: solución con cinco clusters
769.2 Modelos de regresión
324. Fundamentos de las bases de datos: 4.1 Bases de datos y su diseño
779.3 Medidas de desempeño para salida continua
335. Big Data Analytics
789.4 Modelos de serie de tiempo
345.1 Las 8 V’s del Big Data
7910. Prescriptive Analytics
355.2 Hadoop
8010.1 Optimización y simulación
365.3 SQL en Hadoop y apps
8110.2 Decisiones de umbral y medidas de profit
375.4 Apache Spark
8210.3 Aprendizaje causal
385.5 Herramientas de Big Data para la empresa
83Laboratorio 4: Predicción y decisión de umbral
39Aplicación 2: Asignación de créditos
841. Preprocesamiento de datos de predicción
401. Definición de variable objetivo y predictores
852. Predicción
412. Inferencia de los rechazados
863. Exportar datos a Excel
423. Weight of Evidence
8711. Conclusión
434. Construcción de una Scorecard
8811.1 Implementación y monitoreo de modelos
446. Predictive Analytics I: modelos transparentes
8911.2 Mitos y leyendas de la inteligencia artificial
456.1 Introducción
9011.3 Recursos adicionales