Sesiones de formación de TIMi Modeler

Esta formación está abierta a cualquier perfil: negocio, TI, data analysts, data scientists.

Duración: de 2 a 3 días.

TIMi Modeler es muy fácil de usar para cualquiera. Es bastante más sencillo que Anatella: con Modeler, de verdad «pulsas el botón y salen los resultados». Eso sí, hace falta conocer los fundamentos de la teoría del machine learning para interpretar bien los muchos informes que genera Modeler.

Por eso, en Modeler solemos dedicar uno o dos días (casi siempre dos) a explicar los fundamentos de la teoría del machine learning. Es más una clase magistral con slides que una formación en la que se use mucho el software. La idea es convertir a todos los participantes en verdaderos «data scientists», capaces de crear por sí solos buenos modelos predictivos y de IA para problemas muy variados.

Durante esta formación corta sobre modelización predictiva y machine learning, repasaremos los siguientes temas:

• ¿Qué tipo de problemas se pueden resolver con una herramienta de machine learning como TIMi Modeler? Modelos de cross-selling, modelos de probabilidad de impago, de churn, de propensión, de fraude, de riesgo y de segmentación.
  Los modelos predictivos para «decisiones estratégicas y tácticas» son más complejos y se explican en la formación para expertos.
• ¿Qué pasos metodológicos hay que seguir al trabajar con TIMi Modeler? ¿Sigue haciendo falta comprobar que las distribuciones de mis variables son normales antes de empezar a modelizar?
• ¿Cómo evitar las trampas ligadas a los periodos de tiempo? ¿Cómo definir bien el objetivo (es decir, el grupo objetivo) teniendo en cuenta la dimensión temporal?
• Este tema se trata muy brevemente y solo a petición: ¿Cuáles son los algoritmos de TIMi Modeler? ¿Qué limitaciones tienen y cómo evitarlas? ¿Cómo se relacionan con los algoritmos de otros paquetes de data mining y ML? ¿Qué propiedades matemáticas teóricas de estos algoritmos garantizan que TIMi Modeler ofrezca siempre mejores modelos que el resto de software estadístico (como SAS, KXEN o ART)?
• ¿Cómo sacar el máximo partido a los informes que genera TIMi Modeler? ¿Cómo darle sentido de negocio a los gráficos y tablas de los informes? (con una sesión especial sobre modelos de asignación óptima de recursos.)
• ¿Cuáles son los parámetros más importantes de TIMi Modeler? ¿Cómo se relacionan con la teoría general de la modelización? ¿Cómo ajustarlos con precisión?
• ¿Qué hacer cuando no hay lift, o casi nada? ¿Cómo mejorar la calidad de tu modelo?
• ¿Cómo abordar distintos tipos de problemas de modelización? ¿Cuáles son las mejores variables que crear o usar en tu conjunto de datos en:
  • una aplicación de telecomunicaciones?
  • una aplicación de mantenimiento predictivo?
  • una aplicación bancaria de cross-selling?
  • una aplicación bancaria de riesgo de crédito?
  • una aplicación de CRM clásica?
• ¿Cuáles son las trampas y cómo evitarlas cuando…
  • …se crean modelos continuos?
  • …se combinan varios modelos binarios en un único modelo de N clases?
• ¿Qué comportamientos extraños pueden aparecer durante el proceso de modelización y cómo evitarlos?

Esta formación está abierta a cualquier perfil interesado en el lado más matemático de TIMi Modeler: negocio, TI, data analysts, data scientists.

Duración: de 1 a 2 días + formación para usuarios estándar.

Esta formación cubre los siguientes temas:

• Modelos predictivos para «decisiones estratégicas y tácticas».
• ¿Cuáles son los distintos «parámetros avanzados» de TIMi Modeler?
  ¿Cómo usarlos para mejorar la precisión de los modelos predictivos creados con TIMi Modeler?
• ¿Qué técnicas existen para construir modelos? ¿Cuáles son los puntos débiles de cada técnica de modelización? ¿Cómo superarlos?
• ¿Qué es el overfitting? ¿Cómo evitarlo?
  • Poda (pruning)
  • Regresión ridge
  • Backward Stepwise
  • Forward Stepwise
  • Validación cruzada
• ¿Qué peligros conlleva el muestreo?
• Combinación de modelos: boosting, bagging, selección de variables