¿Necesitas ayuda?

985 525 111 attcliente@intergrupo.net

Administrador
No Review
Free
0 estudiante

Minería de Datos en SQL Server 2008 R2 · 120 Horas

Hoy en día el volumen de datos aportado por los diferentes sistemas informáticos crece de forma muy elevada, aunque el conocimiento aportado por los mismos no aumenta de la misma forma dada la dificultad de procesamiento mediante los métodos clásicos.
La Minería de Datos engloba un conjunto de técnicas no triviales cuyo objetivo es la extracción automática de un mayor conocimiento procesable e implícito en las bases de datos. La idea es descubrir información oculta en los datos de cualquier sistema que permitirá resolver de forma eficaz problemas de predicción, clasificación y segmentación de una manera rápida.

Módulo 1: Introducción a la Minería de Datos

  • Qué es Minería de datos
  • Objetivos de la Minería de datos
  • Arquitectura lógica de Minería de datos en SQL Server 2008 R2. Novedades de Minería de datos en SQL Server 2008 R2
  • Introducción a la Minería de datos en Business Intelligence Development Studio desde SQL Server 2008 R2

Módulo 2: Bayes Naive de Microsoft

  • Introducción a Bayes Naive
  • Uso del algoritmo
  • Consultas de predicción, Singleton
  • PRÁCTICA: Aplicación del algoritmo de Bayes Naive

Módulo 3: Árboles de decisión de Microsoft

  • Introducción a Árboles de decisión
  • Uso del algoritmo
  • Consultas de predicción, Singleton
  • PRÁCTICA: Aplicación del algoritmo Árboles de decisión

Módulo 4: Clúster de Microsoft

  • Introducción a clústeres
  • Consultas de predicción, Singleton
  • PRÁCTICA: Aplicación del algoritmo de Clúster de Microsoft

Módulo 5: Clúster de Secuencia

  • Introducción a clústeres de secuencia
  • Uso del algoritmo
  • Consultas de predicción, Singleton
  • PRÁCTICA: Aplicación del algoritmo Clúster de Secuencia

Módulo 6: Algoritmos de asociación

  • Introducción a reglas de asociación
  • Uso del algoritmo
  • Consultas de predicción, Singleton
  • PRÁCTICA: Aplicación del algoritmo de Asociación

Módulo 7: Red neuronal de Microsoft

  • Introducción a redes neuronales
  • Uso del algoritmo
  • Consultas de predicción, Singleton
  • PRÁCTICA: Aplicación del algoritmo Red Neuronal de Microsoft

Módulo 8: Series temporales de Microsoft

  • Introducción a series temporales
  • Uso del algoritmo
  • Consultas de predicción, Singleton
  • PRÁCTICA: Aplicación del algoritmo Series Temporales

Módulo 9: Regresiones de Microsoft

  • Introducción a las regresiones
  • Uso del algoritmo
  • Consultas de predicción, Singleton
  • PRÁCTICA: Aplicación del algoritmo Regresiones

  • Reunir, depurar y transformar todos los datos que la empresa almacena en información estructurada y coherente.
  • Aplicar, analizar y convertir la información obtenida en conocimiento que ayude en la toma de decisiones estratégicas y operacionales.
  • Almacenar y manejar datos con Excel y crear proyectos de Minería de datos en SQL.

  • Administradores de bases de datos, desarrolladores de bases de datos y profesionales de BI en entornos SQL Server.
  • Profesionales y cualquier persona interesada en adquirir competencias en el manejo de consultas SQL.

En el siglo XXI se reconoce que los recursos estratégicos tienen que ver con el manejo de la información, la capacidad de aprendizaje y la creatividad que se puedan desarrollar, reconociendo que el ritmo al que los individuos y las organizaciones aprenden es la única ventaja competitiva sostenible. En este nuevo marco el conocimiento se ha convertido en el activo más importante de la empresa, por lo que debe ser accesible, fácilmente tratable, fiable y válido para permitir una toma de decisiones eficiente.
El deseo de toda empresa es llegar al mayor número de clientes de la forma más efectiva, para venderle sus productos y servicios. Pero las relaciones con el cliente han evolucionado vertiginosamente en los últimos años. El desarrollo de las nuevas tecnologías ha traído unas comunicaciones personalizadas, tanto por el medio utilizado (contact centers, Internet, e-mail, teléfonos móviles, PDA, etc.) como por el mensaje o por el producto. A ello debe sumarse la evolución de los sistemas de venta y distribución, con la aparición de nuevos canales de comercialización más eficientes, que alejan al productor del cliente, y fortalecen al distribuidor. Ante este nuevo escenario, a las empresas no les queda otra opción que entrar en contacto directo con sus clientes, escuchándoles, comprendiéndoles y adaptándose rápidamente a ellos.
Paralelamente a la personalización de la comunicación, las nuevas tecnologías abren distintas vías para obtener un conocimiento de los clientes pragmático y útil desde el punto de vista comercial. Sin embargo, muchas empresas desconocen que la mayor parte de esta información se atesora en la propia organización. El análisis riguroso de la documentación interna almacenada en las bases de datos permitirá conocer más y mejor al cliente, para definir estrategias proactivas de gestión que aumenten su valor a largo plazo.
La homogeneización de la oferta de productos y precios reduce la fidelidad a las marcas. Si cada vez resulta más difícil diferenciarse por producto, precio, canal de distribución o medio de atención, sólo queda concentrarse en conocer al cliente lo suficiente como para saber anticiparse a sus necesidades en el momento preciso, el de la verdad.
El hecho diferencial está en lo que se conoce de los clientes y la organización, y que el resto aún no sabe. Esto lleva a considerar la información interna como un valioso tesoro por descubrir y explotar. No todas las compañías son capaces de aprovechar el material que obtienen de sus sistemas, especialmente de sus CRM y explotarlo adecuadamente, por tanto, es esencial preguntarse ¿qué información útil se ha generado en la organización?, y ¿cómo utilizarla de modo estratégico?
Este nuevo concepto del tratamiento de la información para la toma decisiones propiciado por la evolución de las TIC, permite un tratamiento cada vez más rápido, complejo e inmediato de los datos, la información y, en definitiva, del conocimiento, que favorece:

  • La accesibilidad a la información. Los datos son la fuente principal de información y debe garantizarse el acceso del usuario a ellos independientemente de su procedencia.
  • El apoyo en la toma de decisiones. Herramientas de análisis que les permitan seleccionar y manipular sólo aquellos datos de interés.
  • La orientación al usuario final. Independencia entre los conocimientos técnicos de los usuarios y su capacidad de manejo de estas herramientas

La Minería de Datos es un área multidisciplinar del entorno de la Inteligencia de Negocio constituida por un conjunto de metodologías y herramientas que permiten extraer conocimiento útil (patrones de comportamiento, modelos operativos, de tendencia, etc.) para dar soporte a la toma de decisiones, comprensión y mejora de los procesos y sistemas, a partir de grandes cantidades de datos. Estas técnicas son aplicables:

  • Cuando la toma de decisiones debe estar basada en el conocimiento.
  • Cuando el escenario es cambiante.
  • Cuando los métodos disponibles no son óptimos o el sistema es parcialmente desconocido.
  • Cuando se dispone de un gran volumen de datos, accesibles y con potencial de información interesante.

La utilización de técnicas de Minería de Datos aporta respuestas a las cuestiones más estratégicas de la gestión de la actividad empresarial, como son:

  • La obtención de datos. Todos los contactos con el cliente deben utilizarse como oportunidades para recoger más información sobre él.
  • La aplicación de modelos. Se puede aflorar información oculta y de alto valor.
  • El conocimiento del cliente. Obtener un conocimiento pragmático sobre el cliente, utilizable comercialmente y sostenible en el tiempo.
  • Las estrategias de gestión del cliente. Desde un profundo conocimiento, hay que orientar la estrategia de un modo proactivo hacia el establecimiento de relaciones personales y duraderas.
  • El cumplimiento de objetivos. Con las ventas que se obtienen, es posible generar más datos y comenzar así un nuevo ciclo.

Algunas de las principales características de las técnicas de Minería de Datos se resumen como una actividad no manual que descubre patrones útiles y traducibles en reglas de negocio, permite tomar decisiones proactivas mediante el conocimiento de tendencias y comportamientos futuros, y genera nuevas oportunidades de negocio.
Pero, ¿cómo es capaz el Data Mining de descubrir información de negocio que se desconoce o de realizar predicciones sobre comportamientos futuros? Mediante la modelización se prepara un modelo, que no es más que la reconstrucción de una situación de la que se sabe la respuesta, con el fin de aplicarla sobre otra de la que se desconoce.
La Minería de Datos permite, tanto a profesionales cualificados como a usuarios, aplicar a los datos, desde Excel o desde entornos de trabajo SQL, algoritmos de alto nivel que permiten:

  • Descubrir reglas que muestren nuevas relaciones o excepciones a las ya establecidas (descripción).
  • Descubiertas las reglas que gobiernan el sistema, éstas pueden ser utilizadas para estimar algunas variables de salida (predicción).

Estas técnicas son aplicables a cualquier campo desde la Biología y Medicina, por ejemplo en el proyecto Genoma, al ámbito económico en la detección de fraudes o análisis del riesgo crediticio, pasando por aplicaciones web para la detección de rutas de clics, densidad de palabras clave, o aplicaciones botánicas, climatológicas o de la astronomía para el reconocimiento de patrones de imágenes.

Guía / Vídeo-Guía del Alumno
Acceso e-Campus
· Entornos estándar, accesibles y usables
· Contenidos multiformato (PDF’s, vídeos, simulaciones, presentaciones, etc.)
· FAQ’s
Acción tutorial
· Presentación en vídeo de los formadores responsables
· Seguimiento continuado del proceso de aprendizaje
·Atención de consultas y resolución de dudas
Materiales didácticos complementarios
· Contenidos extra
· Acceso a Redes Sociales corporativas
Sesiones webinar (online y offline)

Curriculum está vacío

Instructor

Administrador

0.00 average based on 0 ratings

5 Star
0%
4 Star
0%
3 Star
0%
2 Star
0%
1 Star
0%
Gratis