Curso Machine Learning: Implementación de Modelos Predictivos

Objetivos

Al finalizar el curso el participante estará en la capacidad de:

• Producir modelos predictivos que puedan ser utilizados e implementados en sistemas de software.
• Explorar las diferentes opciones y tecnologías disponibles para la implementación de los modelos predictivos.
• Dar ejemplos concretos de evaluación de necesidades; evaluación de requerimientos; implementación en producción y gestión de modelos predictivos.

Público Objetivo

El Curso Machine Learning: Implementación de Modelos Predictivos está dirigido a ingenieros de software, miembros de equipos de Inteligencia de Negocios, Marketing Directo, gestión de campañas comerciales, equipo CRM, Inteligencia comercial, Inteligencia de Clientes, ejecutivos de banca, retail y telecomunicaciones.

Pre-Requisitos

• Conocimientos de Python.
• Conocimiento y comprensión de conceptos estadísticos básicos.
• Conocimiento sobre la creación y utilización de modelos predictivos.

Repaso de conceptos fundamentales de Analítica Predictiva

• Tipos de modelos predictivos
• Modelos y algoritmos principales
• Evaluación de modelos

Aspectos a considerar previos a la implementación de modelos

• Modelos predictivos en el contexto de los procesos de negocios.
• Identificación de los requerimientos para la implementación del modelo
• Validación del modelo aplicado al proceso de negocios

Implementación de modelos predictivos en plataformas Cloud Computing

• Implementación local de un modelo predictivo: Jupyter Notebook, línea de comando.
• Tecnologías para el despliegue como una aplicación web
• Despliegue con Microsoft Azure
• Otros servicios de Cloud Computing para el despliegue de modelos.
• Soporte durante la implementación del modelo en producción

Caso práctico y evaluación: implementación de un modelo predictivo

• Caso práctico de producción, evaluación e implementación de un modelo predictivo.

Expositores