Este curso es apropiado para versiones de SAS Enterprise Miner desde la 5.3 hasta la 15.1. Este curso cubre las habilidades que se requieren para crear los diagramas de flujo de análisis usando el rico conjunto de herramientas de SAS Enterprise Miner tanto para el descubrimiento de patrones (análisis de segmentación, asociación y secuencia) como para los modelos predictivos (árboles de decisión, regresión y modelos de redes neuronales).

Aprenda a

• definir un proyecto de SAS Enterprise Miner y analizar datos los datos de forma gráfica
• modificar datos para mejorar los resultados del análisis
• crear y comprender modelos predictivos, como árboles de decisión y modelos de regresión
• comparar y explicar modelos complejos
• generar y usar códigos de puntuación (Score)
• aplicar asociaciones y búsquedas por secuencias a los datos transaccionales

A quién va dirigido

Analistas de datos, expertos en calidad y aquellos que quieran una completa introducción a SAS Enterprise Miner

Formatos disponibles	Duración
Presencial:	3.0 días
Live Web:	6 sesiones de medio día
e-learning:	24 horas/180 día licencia

Antes de asistir a este curso, debe estar familiarizado con Microsoft Windows y el software de Windows. Debería tener al menos conocimientos de estadística básica y modelos de regresión. Experiencia previa en el software SAS es útil, pero no es necesaria.

Este curso utiliza SAS Enterprise Miner software.

Introducción

• Introducción a SAS® Enterprise Miner™

Acceso y preparación de los datos para el análisis

• Creación de un proyecto, librería y diagrama en SAS Enterprise Miner
• Definición de la fuente de datos
• Exploración de la fuente de datos

Introducción a los modelos predictivos: Fundamentos de los modelos predictivos y árboles de decisión

• Creación de árboles de decisión
• Optimización de la complejidad en los árboles de decisión
• Comprender las herramientas de diagnóstico adicionales (auto-estudio)
• Opciones de parametrización automáticas de crecimiento de los árboles (auto-estudio)

Introducción a los modelos predictivos: Regresiones

• Seleccionar las variables de entradas de la regresión
• Optimizar la complejidad de la regresión
• Interpretación de los modelos de regresión
• Transformación de las variables de entrada
• Tratamiento de las variables categóricas
• Regresiones polinómicas (auto-estudio)

Introducción a los modelos predictivos: Redes Neuronales y otras herramientas de modelización

• Introducción a los modelos de redes neuronales
• Selección de variables de entrada.
• Criterios de parada.
• Otras herramientas de modelización (auto-estudio)

Evaluación del modelo

• Estadísticas de ajuste del modelo
• Gráficos estadísticos
• Ajuste para sobre-muestreo
• Matrices de beneficio/perdida

Implementación del modelo

• Definiendo un conjunto de datos SAS para puntuación
• Puntuando un conjunto de datos con el nodo de puntuación /score

Introducción al descubrimiento de patrones

• Análisis cluster
• market basket analysis (auto-estudio)

Temas especiales

• Modelos ensamblados
• Selección de variables
• Consolidación de entradas categóricas
• Modelos de subrogados.
• SAS Rapid Predictive Modeler

Ejemplos

• Segmentación bancaria
• Modelo de Asociación en una web
• Riesgo de Crédito
• Modelos de Gestión de inscripciones