| N° |
Objetivo |
Contenido |
Horas Teóricas |
Horas Prácticas |
Horas E-learning |
| 1 |
Módulo 1: Introducción Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Aplicar Métodos De Revisión Básicos Para El Análisis De Riesgo |
*Introducción Al Curso: *Revisión De Los Métodos Básicos De Estadística (Clasificación, Regresión) *Revisión De Aplicaciones *Introducción Al Trabajo Con Herramientas Estadísticas *Construcción De Modelos Simples Para Clasificación Y Regresión *Análisis E Interpretación De Resultados |
2 |
2 |
0 |
| 2 |
Módulo 2: Redes Neuronales Y Support Vector Machines Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Identificar, Comprender Y Aplicar Las Redes Neuronales Y Support Vector Machines. |
*Base Teórica De Redes Neuronales Y Support Vector Machines *Desarrollo De Modelos Clásicos Con Redes Neuronales Y Support Vector Machines *Modelos Avanzados Usando Redes Neuronales Y Support Vector Machines *Introducción De Las Herramientas Computacionales Para El Trabajo Con Redes Neuronales *Construcción De Modelos Simples Para Clasificación Y Regresión *Análisis E Interpretación De Resultados *Introducción De Las Herramientas Computacionales Para El Trabajo Con Support Vector Machines *Construcción De Modelos Simples Para Clasificación Y Regresión *Análisis E Interpretación De Resultados |
3 |
5 |
0 |
| 3 |
Módulo 3 Análisis De Sobrevivencia Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Comprender, Construir Y Aplicar Modelos De Sobrevivencia Para Identificación De Clientes Riesgosos. |
*Enfoque De Sobrevivencia Para La Identificación De Clientes Riesgosos *Construcción De Modelos De Clasificación Para Sobrevivencia *Aplicaciones Prácticas De Modelos De Sobrevivencia |
2 |
3 |
0 |
| 4 |
Módulo 4: Proceso Kdd (Knowledge Discovery Data) Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Comprender Y Aplicar El Proceso Kdd Para La Clasificación De Clientes Según El Riesgo Asociado A Ellos |
*Clasificación De Clientes Utilizando El Proceso Kdd. *Análisis Detallado De Un Proyecto Real Para La Clasificación De Clientes. |
3 |
4 |
0 |
| 5 |
Módulo 5: Control, Clasificación De Clientes Y Utilización De Datos Del Banco. Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Identificar Y Aplicar El Control En La Selección De Clientes Para El Banco *Diseñar Modelos De Clasificación Para La Selección De Clientes |
*Selección De Atributos Para La Clasificación De Clientes *Modelos Híbridos Combinando La Minería De Datos Con La Teoría De Juegos Para Mejorar La Clasificación De Clientes *Preparación De Los Datos Disponibles En El Banco *Diseño De Un Modelo De Clasificación |
2 |
4 |
0 |