Muro Padlet - Big Data Modulo 4 y 5 by Diego Felipe Rodriguez Morales https://padlet.com/diegorodmo/n85irsd0hh8m Trabajo realizado como resumen general a los Modulos 4 y 5 de la electiva en Big Data de la Univeraidad de La Sabana. en-us 2019-04-27 20:09:24 UTC 2024-05-25 23:19:47 UTC hello@padlet.com Módulo 4. Tipos de Modelos diegorodmo https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354705681 Modelos supervisados
  • Modelos de regresión 
  • Árboles de decisión
  • Naive Bayes
  • SVM 
  • Random Forest
Modelos No supervisados
  • Clúster análisis
  • Analiis de correspondencias 
  • Análisis de componentes principales
]]> 2019-04-27 20:10:37 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354705681 Muro - Big Data diegorodmo https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354705792 Módulo 4: Modelos de Analitica Aplicados a Negocios.
Módulo 5: Modelos Aplicados a Marketing y Finanzas.

Integrantes:
Natalia Alvarez Seba
Diego Felipe Rodriguez Morales]]> 2019-04-27 20:12:30 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354705792 Módulo 4. Modelos Supervisados diegorodmo https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354706893 Modelos de regresión
El objetivo de lo modelos de regresión lineal es aproximar la relación de dependencia entre una variable dependiente Y, las variables independientes X y un término aleatorio Z, con estos valores de los parámetros, se crea una recta que pase lo más cerca posible de una nube de puntos. Los modelos de regresión logística se usan cuando la variable de interés es dicotómica (es decir, toma dos valores como sí/no, hombre/mujer).
Ejemplo: puede predecir qué parte de las ventas totales anuales de un vendedor (la variable dependiente) se debe a variables independientes como la formación y los años de experiencia (las variables independientes).]]> 2019-04-27 20:28:33 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354706893 Módulo 4. Modelos Supervisados diegorodmo https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354708137 Árbol de decisión: Un árbol de decisión contempla un algoritmo en el que correlaciona todas las variables independientes con respecto a la dependiente; de esta manera la variable más correlacionada es la que aparece de primeras en el árbol de decisión.]]> 2019-04-27 20:48:22 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354708137 Módulo 5. Aplicaciones de Big Data a Marketing y Finanzas nataliaalse https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354710127 Algunas de las aplicaciones del Big Data relacionadas con Marketing y Finanzas se muestran a continuación:
Análisis de precios: Optimización y análisis matemático sobre cuál debe ser el precio que mejor relación le da a la demanda con respecto al costo del producto. Análisis de lealtad del cliente: Son modelos que constan de variables que contienen distintas dimensiones de servicio. Estas variables impactan sobre la decisión de un usuario para creer en la compañía.                      Análisis de sentimientos: Para identificar si un texto fue escrito con algún tipo de sentimiento; existe un método de minería de datos que funciona con un diccionario de palabras que relaciona el uso de palabras o frases con los sentimientos. Con este análisis es posible determinar cuál es el sentimiento mayoritario. ]]> 2019-04-27 21:14:58 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354710127 Módulo 5. Aplicaciones de Big Data a Marketing y Finanzas nataliaalse https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354710527 Análisis de imágenes: El análisis de imágenes se realiza a través de características como lugares, estaciones, tráfico etc. Estas imágenes luego se transforman en códigos que pueden utilizarse como datos numéricos los cuales pueden ser analizados en forma estructurada. Análisis de páginas Web: Este análisis busca identificar cuál es la ruta más frecuente, más exitosa y menos probable para hacer una compra. Ayuda a identificar opciones de mejora para aquellos caminos de compra que son complicados, generando pérdidas de clientes. Análisis y evaluación de marca: Establece una relación entre los atributos de una marca y el producto, o la marca como tal. Este análisis permite establecer cuáles son los atributos que un comprador relaciona a la hora de tomar la decisión de compra. 

]]> 2019-04-27 21:20:35 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354710527 Módulo 4. Modelos Supervisados diegorodmo https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354710680 Naive Bayes: Es una metodología de clasificación para datos supervisados que predicen un objetivo bajo la teoría de la probabilidad condicional. Su implementación es sencilla y los resultados de predicción suelen ser altos. Adicional, los datos de entrenamiento con los que se realiza el modelo no exigen un volumen alto, lo cual lo hace práctico. Sin embargo, las variables que se incluyen en este modelo deben ser independientes entre ellas, lo cual muchas veces es difícil de obtener.]]> 2019-04-27 21:23:00 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354710680 Módulo 5. Canasta de Mercado: nataliaalse https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354710902 Establece una relación entre dos productos, de esta manera relaciona dos tipos de eventos un evento a priori y otro a posteriori. El objetivo de esta es encontrar una buena correlación en este tipo de eventos; el algoritmo de canasta depura toda la información y entrega de las combinaciones más frecuentes y menos obvias que son interesantes para el negocio. La Canasta de mercado es aplicable también al Text Analytics, este análisis de asociación  se relaciona un ítem precedente y un ítem consecuente. De igual manera tiene otras aplicaciones en múltiples sectores de la economía haciendo de esta una aplicación clave en el mercado y empresas, dándoles una guía de enfoque para productos y servicios.

]]> 2019-04-27 21:26:28 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354710902 Módulo 5. Afinidad de producto nataliaalse https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711295 La afinidad de producto es importante ya que permite una empresa realizar una mejor optimización en cuanto a su crecimiento. Estas aplicaciones permiten identificar las relaciones más afines entre una variable o variables que tenga le producto. La afinidad mercado o productos tiene dos elementos importantes que son la teoría de grafos que permite analizar las interrelaciones entre unidades que interactúan unas con otras, en esta teoría el concepto de red es importante ya que a través de esta es posible identificar de entre un conjunto de individuos el papel que cada uno de ellos genera sobre dicha red. El otro elemento importante de la afinidad de producto es la realización de segmentos a partir de las redes que se tienen acerca de las personas, con esto es  posible formar  tipos de grupos en donde se toman decisiones con el fin de tener una mejor optimización sobre los clientes. ]]> 2019-04-27 21:32:08 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711295 Módulo 5. Modelos de precios nataliaalse https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711382 Su función principal es hacer una optimización en el precio del producto o servicio brindado. La importancia de este radica en que la empresa que tenga un análisis de precios puede establecerse en el mercado, generando de esta manera no solo la incorporación de nuevos productos sino también una maximización de la ganancia. Para el análisis de precios es importante tener en cuenta estas cinco consideraciones: Every Day Pricing, Markdown Pricing, New Product Pricing, Promotional Pricing, Strategic Pricing ]]> 2019-04-27 21:32:58 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711382 Módulo 5. Modelo de lealtad del cliente nataliaalse https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711443 Este modelo involucra diferentes variables que involucran dimensiones del servicio, que impactan en la decisión final del cliente para mantenerse en la compañía o producto. El objetivo e importancia del modelo de lealtad del cliente es conocer las  dimensiones que impactan de manera significativa en la decisión de satisfacción o no del servicio y/o producto. Y de esta manera tomar los correctivos necesarios dentro de la organización a fin de hacer una optimización sobre la satisfacción en general. La satisfacción se mide generalmente en escala del 1 al 10. ]]> 2019-04-27 21:33:43 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711443 Módulo 4. Modelos No Superviados diegorodmo https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711520 Análisis de Correspondencias: Usando el Chi Cuadrado como estadístico más común, este método muestra de forma descriptiva, información resumida sobre datos categóricos u ordinales, tratando de evitar la pérdida de información. El objetivo es que en una tabla no muy grande se pueda ver de forma rápida alguna relación entre dos o más variables según el interés. Una vez se obtiene la tabla resumen de las variables a analizar, se realizan pruebas.]]> 2019-04-27 21:34:40 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711520 Módulo 4. Modelos Supervisados diegorodmo https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711523 SVM: Los SVM son máquinas de soporte vectorial, que realizan una clasificación (si un conjunto de datos pertenece a determinada categoría o no) de grandes volúmenes de información asando aprendizaje automático.
 
Random Forest: Es un algoritmo predictivo que usa la técnica de Bagging es decir, crear diferentes modelos usando muestras aleatorias con reemplazo y luego combinar o ensamblar los resultados. 
]]> 2019-04-27 21:34:41 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354711523 Módulo 4. Modelos No Superviados diegorodmo https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354712355 Cluster Análisis: Este método tiene como objetivo agrupar individuos que sean lo más homogéneos posibles dentro de un grupo y lo más heterogéneo entre grupos. Estos grupos son definidos por quien está desarrollando el estudio, según su experiencia y conocimientos. Para tomar decisiones, se suelen usar los dendogramas ya que muestran gráficamente los grupos.

Análisis de componentes principales: Es una técnica utilizada para describir un conjunto de datos en términos de nuevas variables ("componentes") no correlacionadas. Los componentes se ordenan por la cantidad de varianza original que describen, por lo que la técnica es útil para reducir la dimensionalidad de un conjunto de datos.]]> 2019-04-27 21:47:29 UTC https://padlet.com/diegorodmo/n85irsd0hh8m/wish/354712355