Análisis avanzado con RapidMiner

Introducción

• Descripción general de RapidMiner Studio
• Orientación sobre la interfaz de usuario y funcionalidades de RapidMiner

Metodología CRISP-DM en RapidMiner

• Comprensión del marco CRISP-DM
• Aplicación para estimar y proyectar valores

Comprensión y preparación de datos

• Importación y exploración de datos
• Técnicas de preprocesamiento y limpieza
• Métodos avanzados de transformación de datos

Modelado de datos con RapidMiner

• Introducción al modelado de datos
• Selección y aplicación de algoritmos de aprendizaje automático
• Algoritmos de aprendizaje supervisado
• Algoritmos de aprendizaje no supervisado

Evaluación e implementación de modelos

• Técnicas para evaluar modelos
• Estrategias para la implementación de modelos
• Reajuste y optimización de modelos

Análisis y pronóstico de series temporales

• Fundamentos del análisis de series temporales
• Aplicación de modelos de promedio móvil
• Preprocesamiento de series temporales y agregación de datos

Técnicas avanzadas para series temporales

• Análisis por descomposición temporal
• Proyección mediante ventanas temporales
• Generación y utilización de características para proyecciones temporales

Modelado ARIMA

• Introducción a los modelos ARIMA
• Aplicación práctica en RapidMiner

Resumen y próximos pasos