<?xml version="1.0"?>
<rss version="2.0">
   <channel>
      <title>Modelos de Analítica Aplicados a Negocios, Marketing y Finanzas by Juan Diego Galeano López</title>
      <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf</link>
      <description>Breve síntesis de los módulos 4 y 5 de &quot;Big Data and Business Analytics&quot;, Universidad de La Sabana.
28 de Abril de 2019</description>
      <language>en-us</language>
      <pubDate>2019-04-21 15:53:51 UTC</pubDate>
      <lastBuildDate>2019-05-02 01:05:14 UTC</lastBuildDate>
      <webMaster>hello@padlet.com</webMaster>
      <image>
         <url>https://padlet.net/icons/png/1f9b9-2640.png</url>
      </image>
      <item>
         <title>MODELOS DE ANALÍTICA</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352929771</link>
         <description><![CDATA[<div>Dos tipos de modelos de análítica utilizados dentro de Big Data son los <strong>Modelos Supervisados</strong> y los <strong>Modelos no Supervisados.</strong></div>]]></description>
         <enclosure url="https://media.tenor.com/images/42983a95657f874f62cfc1f1152da484/tenor.gif" />
         <pubDate>2019-04-21 16:01:36 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352929771</guid>
      </item>
      <item>
         <title>MODELOS SUPERVISADOS</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352929914</link>
         <description><![CDATA[<div>Existe una pregunta dentro del negocio a resolver.</div>]]></description>
         <enclosure url="https://media.tenor.com/images/846c9ca7a76f515b1eb04292cfc4d16e/tenor.gif" />
         <pubDate>2019-04-21 16:04:15 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352929914</guid>
      </item>
      <item>
         <title>Modelos de Regresión</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352930191</link>
         <description><![CDATA[<div>Establecen las relaciones entre una <strong>variable dependiente</strong> y <strong>una o varias variables dependientes. <br>Su objetivo se centra en encontrar los valores de los parámetros que creen una recta que pase lo más cerca posible de un set de puntos.</strong></div>]]></description>
         <enclosure url="https://d3njjcbhbojbot.cloudfront.net/api/utilities/v1/imageproxy/https://coursera-course-photos.s3.amazonaws.com/75/11453069b511e3bca95d57a55dab34/RegressionModels.jpg" />
         <pubDate>2019-04-21 16:08:46 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352930191</guid>
      </item>
      <item>
         <title>Árboles de Decisión</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352932774</link>
         <description><![CDATA[<div>Determinan la correlación de las <strong>variables dependientes</strong> con las <strong>variables independientes</strong>. La variables más correlacionada es la que aparece en el árbol de decisión</div>]]></description>
         <enclosure url="https://www.gestiondeoperaciones.net/wp-content/uploads/2016/03/ejercicio-resuelto-arbol-de-decision.png" />
         <pubDate>2019-04-21 16:52:30 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352932774</guid>
      </item>
      <item>
         <title>Naive-Bayes</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352932990</link>
         <description><![CDATA[<div>Metodología de clasificación de datos supervisada que <strong>predicen</strong> por medio de <strong>probabilidades</strong>, bajo la teoría de la <strong>probabilidad condicional</strong>.<br>Es usado mayoritariamente en <strong>Seguros</strong></div>]]></description>
         <enclosure url="http://www.saedsayad.com/images/Bayes_rule.png" />
         <pubDate>2019-04-21 16:56:47 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352932990</guid>
      </item>
      <item>
         <title>SVM - Support Vector Machine</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352933252</link>
         <description><![CDATA[<div>Tambié conocido como máquinas de soporte vectorial, funciona como un algoritmo para encontrar clasificadores lineales en espacios transformados.</div>]]></description>
         <enclosure url="https://i2.wp.com/dataaspirant.com/wp-content/uploads/2017/01/Support-vector-machine-svm.jpg?resize=690%2C518" />
         <pubDate>2019-04-21 17:01:09 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352933252</guid>
      </item>
      <item>
         <title>Random Forest</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352933752</link>
         <description><![CDATA[<div>En términos sencillos, es la multiplicidad de árboles de decisión con el fin de unirlos y obtener una predicción más estable y precisa. </div>]]></description>
         <enclosure url="https://i.ytimg.com/vi/ajTc5y3OqSQ/hqdefault.jpg" />
         <pubDate>2019-04-21 17:08:49 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352933752</guid>
      </item>
      <item>
         <title>Aplicaciones de los Modelos Supervisados</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352962324</link>
         <description><![CDATA[<div>Tres aplicaciones importantes de los Modelos Aplicados:<br><br>- En telecomunicaciones, el modelo Churn para saber a quién se retiene, a quién no retener y por qué un cliente se fuga.<br><br>- En Finanzas, con el Scoring Bancario para saber la probabilidad de que un cliente pague o que caiga en <em>default</em>.<br><br>- En el Emsamble de Modelos, para calcular un promedio de <em>n</em> modelos planteados.</div>]]></description>
         <enclosure url="http://s3-eu-west-1.amazonaws.com/rankia/blog/berbis-swap/uploaded_images/credit-scoring-764566.jpg" />
         <pubDate>2019-04-22 01:03:23 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352962324</guid>
      </item>
      <item>
         <title>MODELOS NO SUPERVISADOS</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352963214</link>
         <description><![CDATA[<div>Cuando se busca describir el comportamiento completo de variables dependientes, si tener ninguna independiente.</div>]]></description>
         <enclosure url="http://www.globalwealthprotection.com/wp-content/uploads/2014/03/dependent.jpg" />
         <pubDate>2019-04-22 01:09:58 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/352963214</guid>
      </item>
      <item>
         <title>Cluster Analysis</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354617134</link>
         <description><![CDATA[<div>El objetivo principal es agrupar grupos de individuos que sean lo más <strong>homogéneos </strong>posibles y los más <strong>heterogéneos</strong> entre grupos.<br>Para esto, se crean <strong>criterios de similaridad</strong> por medio de <strong>dendogramas</strong>, los cuales muestran las relaciones jerárquicas que existen entre los grupos de individuos.</div>]]></description>
         <enclosure url="http://ichrome.com/blogs/wp-content/uploads/cluster3.png" />
         <pubDate>2019-04-26 22:56:51 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354617134</guid>
      </item>
      <item>
         <title>Análisis de Correspondencias</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354617418</link>
         <description><![CDATA[<div>Técnica analítica que permite agrupar variables <strong>multidimensionales</strong> en dos dimensiones, tratando de evitar cualquier pérdida de información.<br>El estadístico más utilizado es el <strong>chi cuadrado</strong> con el fin de evaluar la interdependencia entre dos variables nominales (no tienen criterio de orden) u ordinales (atributos o cualidades que no tienen valor numérico).<br>Su aplicación se evidencia en el retail con la relación de características de productos con sus respectivas marcas.</div>]]></description>
         <enclosure url="http://slideplayer.es/1022818/2/images/47/M%C3%A9todos+Multivariantes.jpg" />
         <pubDate>2019-04-26 23:00:29 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354617418</guid>
      </item>
      <item>
         <title>Análisis de Componentes Principales (ACP)</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354618924</link>
         <description><![CDATA[<div>Este análisis busca reducir toda multidimensionalidad de un conjunto de múltiples variables para analizar.<br>Las variables se evaluan en <strong>componentes </strong>que contienen la varianza descriptiva de los datos.<br>Una de las aplicaciones más comunes se encuentra en el <strong>análisis de imágenes </strong>con el fin de reducir los espectros de las imágenes para poder clasificarlas con mayor facilidad.</div>]]></description>
         <enclosure url="http://www.sthda.com/sthda/RDoc/figure/factor-analysis/principal-component-analysis-prcomp-biplot-data-mining-1.png" />
         <pubDate>2019-04-26 23:20:37 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354618924</guid>
      </item>
      <item>
         <title>MODELOS APLICADOS AL MARKETING Y FINANZAS</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354623213</link>
         <description><![CDATA[<div>Estos modelos buscan que en las compañías se obtengan un margen de ganancia en la optimización y uso del precio.<br>Su aplicabilidad es bastante amplia y se ve evidente en escenarios tales como:</div><ul><li>Análisis de Precios</li><li>Análisis de Sentimientos</li><li>Análisis de páginas web</li><li>Análisis de imágenes</li><li>Análisis y evolución de marca</li></ul><div><br></div>]]></description>
         <enclosure url="https://media.tenor.com/images/6130edd8b0453e7edd747a4f6a157c44/tenor.gif" />
         <pubDate>2019-04-27 00:14:38 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354623213</guid>
      </item>
      <item>
         <title>Canasta de Mercado</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354623412</link>
         <description><![CDATA[<div>Establece la <strong>relación</strong> entre dos productos con el fin de encontrar cuales son las combinanciones más frecuentes e interesantes para el negocio. El objetivo es encontrar para un producto <strong>a priori </strong>(antes de la compra) cual es el producto más probable <strong>a posteriori </strong>(despues de la primera compra).<br>Su aplicación se evidencia en el <strong>Text Analytics</strong> (qué está escrito dentro de un texto), el <strong>Crosssell</strong> (Venta cruzada, asociacion de productos que el cliente ya adquirió con el banco) y la <strong>Asociación Temporal </strong>(con el fin de conocer cuándo el cliente va a volver a comprar).</div>]]></description>
         <enclosure url="https://media.tenor.com/images/0a492507c5582e13aaee81d530520f50/tenor.gif" />
         <pubDate>2019-04-27 00:17:32 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354623412</guid>
      </item>
      <item>
         <title>Afinidad de Producto</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354627242</link>
         <description><![CDATA[<div>Teoría utilizada por las compañías con el fin de realizar una <strong>optimización</strong> más adecuada frente a su crecimiento. Esto es realizado por medio de la <strong>Teoría de Grafos </strong>que permite ver la interaccion entre las distintas unidades del negocio.<br>Es ampliamente utilizado en campañas publicitarias, recomendación de productos, fraudes, entre otros.</div>]]></description>
         <enclosure url="http://lizardorodriguez.files.wordpress.com/2012/06/grafos.jpg" />
         <pubDate>2019-04-27 00:59:50 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354627242</guid>
      </item>
      <item>
         <title>Modelo de Lealtad de Cliente</title>
         <author>juandiegogaleanol</author>
         <link>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354627975</link>
         <description><![CDATA[<div>Son variables que contienen distintas dimensiones de un servicio que tienen un impacto significativo en un <strong>usuario</strong> para permanecer en una compañía o no.<br>Con este modelo, se busca que el <strong>Net Promoter Score</strong> (Promotores - Detractores) sea un valor alto, indicando que hay más personas promoviendo el servicio que criticándolo.</div>]]></description>
         <enclosure url="https://media.tenor.com/images/14f955d25fdb578a5f548cba84fdefff/tenor.gif" />
         <pubDate>2019-04-27 01:08:59 UTC</pubDate>
         <guid>https://padlet.com/juandiegogaleanol/hf1dnoyz36pf/wish/354627975</guid>
      </item>
   </channel>
</rss>
