Machine Learning & AI for Executives

DÍA 13 Mayo

• La Oportunidad de AI. Definiciones y Conceptos claves 
  • ¿Por qué lo llaman Machine Learning?
  • ¿Qué es AI?
  • ¿Qué es Deep Learning?
• Casos de Estudios y de éxito
  • Describiendo la oportunidad
  • El objetivo para predecir
  • Calculando el Valor
  • Consideraciones de la implementación
• El ciclo de vida del Machine Learning
  Cómo identificamos Oportunidades
• KPI’s vs Predicción objetivo

• SESION DE TRABAJO PARA:
• Identificar Oportunidades
• Bloqueadores Comunes
• Indicadores claves de éxito
  • La importancia del patrocinio de alto nivel.
  • Ciencia de datos centralizada vs. descentralizada.
  • Consideraciones TI
• ¿Qué es lo que viene?
  • La hoja de Ruta del AI
  • Cualidades de un buen caso de uso

DataRobot Essentials Certification

DÍA 14 y 15 Mayo

• Machine Learning Objetivos del proyecto
  • Elegir un problema de negocios
  • Adquirir experiencia en la materia
  • La unidad de análisis y predicción del objetivo
  • Priorizar criterios de modelización
  • Riesgos y criterios de éxito
• Adquirir y explorar datos
  • Encontrar datos apropiados
  • Fusión de datos
  • Análisis de datos de exploración
  • Entendiendo la fuga de destino
  • Ingeniería de características
• Modelado de Datos
  • Selección de variables
  • Construyendo modelos candidatos
  • Validación y selección
• Modelos de interpretación
  • La matriz de confusión y el rendimiento del modelo
  • Rendimiento del modelo por rango de predicción
  • Ajuste de características
  • Impacto de la característica
  • Efectos de la característica
  • Explicaciones de predicción
  • Ideas adicionales del modelo
• Implementación, monitoreo y mantenimiento del modelo.
  • Predicciones por lotes
  • La API de predicción
  • Documentación del modelo
  • Deriva de datos