- Cursos
- Tecnología
- Big Data
- Redes Neuronales Aplicadas a la Inteligencia de Negocios
Redes Neuronales Aplicadas a la Inteligencia de Negocios
Modelos de Calificación Crediticia (Credit Scoring) a través de Aprendizaje Profundo (Deep Learning) con Neuralnet de R
Descripción del curso
*** Incluye el código de R utilizados en los videos ***
Bienvenidos al curso Redes Neuronales aplicadas a la Inteligencia de Negocios. Al finalizar este curso, podrás elaborar modelos predictivos a partir de redes neuronales utilizando el paquete neuralnet de R. Estos nuevos conocimientos te resultarán útiles si estás interesado en hacer carrera como analista de inteligencia de negocios o para obtener insights que te permitan tomar mejores decisiones con base a datos si estas en posiciones gerenciales y directivas.
Este es un curso muy completo que incluye videos, lecturas sugeridas, evaluaciones, archivos de Excel y códigos de R. El curso está basado en un caso de enseñanza con datos reales y tiene un enfoque 100% práctico. Nos pondremos en los zapatos del gerente de la división financiera de un concesionario de automóviles, y deberemos elaborar un modelo de calificación crediticia. A diferencia de otros cursos, este va más allá de ser simplemente un curso de programación en R ya que aborda tanto el marco teórico de las redes neuronales y los modelos de calificación crediticia, la limpieza previa de los datos, la estimación del punto de corte con base a una función de utilidad, el análisis de los resultados y la comparación entre modelos.
Diseñé este curso para estudiantes universitarios y profesionales interesados en la ciencia de datos y machine learning pero que por su formación tienen muy poca experiencia en lenguajes de programación. Este es un curso abierto para todos que incluye una sección introductoria a R, por lo que no tiene prerrequisitos.
Te invito a que veas la clase modelo y te inscribas. ¡Espero verte pronto!
Contenido del curso
Introducción
17:56- Bienvenida al Curso02:21
- Clase Modelo09:15AVANCE
- Estructura del Curso06:20
Introducción Teórica
12:54- Presentación de la Sección00:53
- Definición y Tipos de Redes Neuronales02:51
- Describiendo el Algoritmo de las Redes Neuronales05:09
- Ventajas y Desventajas de las Redes Neuronales04:01
Introducción a R/Crash Course (opcional)
54:53- Presentación de la Sección01:04
- Descarga e Instalación de R y RStudio03:57
- Introducción a la interfaz de usuario RStudio06:39
- Instalación de paquetes y uso de la biblioteca04:48
- Funciones en R03:38
- Importando Datos desde Excel04:44
- Accediendo a Datos de un Dataframe06:54
- Factores y Variables Categóricas en R03:17
- Cambiando las dimensiones de un objeto e R02:03
- Operadores Lógicos en R05:39
- Condicionales If Else, Else If,08:18
- Bucle For03:52
Caso de Enseñanza: Crediautos
28:21- Presentación de la Sección00:50
- Planteamiento del Caso. Sesión A.04:36
- Planteamiento del Caso. Sesión B.04:01
- Calificación Crediticia. Sesión A.04:48
- Calificación Crediticia. Sesión B.06:26
- Descripción de las Variables07:40
Solución del Caso Crediautos
01:54:18- Presentación de la Sección01:05
- Importando Datos04:05
- Lidiando con Datos Faltantes12:46
- Cambiando Variables Categóricas a Numéricas08:39
- Matriz de Correlación07:45
- Normalización de Datos06:28
- Partiendo la Base de Entrenamiento y Testing06:22
- Paquete Neuralnet de R03:36
- Modelo 1: Una Capa de Dos Neuronas06:04
- Predicción del Modelo11:41
- Punto de Corte11:02
- Matriz de Confusión o Clasificación08:14
- Modelo 2: Regresión Logística07:26
- Comparación entre Modelos10:47
- Proyecto de Curso07:26
- Conclusión00:52
Valoraciones
No hay ninguna valoración para este curso.
¿Por qué pagar por un curso cuando puedes tenerlos todos?
Prueba la Suscripción ahoraO quiero saber más
