1. Introducción y Análisis Predictivo.
a. Un modelo de proceso para la Minería de Datos - CRISP-DM.
b. Herramientas de Modelado Predictivo.
2. Visualización avanzada de datos y Data Wrangling.
3. Métodos de clasificación en Business Analytics.
4. Minería de textos para Business Analytics.
5. Casos prácticos reales: análisis de la cesta de la compra, modelos de respuesta en marketing directo, predicción de impagos de préstamos bancarios, etc.
Actividades formativas, metodología a utilizar y régimen de tutorías
Teoría (10 horas)
Prácticas (5 horas)
Horas de oficina (5 horas)
Trabajo en grupo e individual
METODOLOGÍAS DOCENTES
-Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos.
- Resolución de casos prácticos, problemas, etc.¿ planteados por el profesor de manera individual o en grupo
- Elaboración de trabajos e informes de manera individual
Sistema de evaluación
Peso porcentual del Examen Final 100
Peso porcentual del resto de la evaluación 0
El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.
