Objetivo general
Diseñar, entrenar y evaluar modelos de Machine Learning supervisado que respondan a problemas reales de negocio, interpretando sus resultados en términos económicos para apoyar la toma de decisiones gerenciales.
Al finalizar serás capaz de
- Formular un problema de negocio como un problema de predicción o clasificación
- Preparar y transformar datos comerciales con Python y pandas
- Entrenar y comparar modelos de regresión, árboles y ensambles
- Explicar a la gerencia qué variables mueven el resultado y cuánto vale el modelo
Tres módulos, 24 horas de estudio
Objetivo del módulo
Traducir una necesidad comercial en una tarea de aprendizaje automático y preparar los datos que la sostienen.
Contenidos
- Tipos de problemas: predicción, clasificación y segmentación
- Métricas de negocio frente a métricas del modelo
- Exploración y limpieza de datos con Python y pandas
- Ingeniería de variables a partir de transacciones y comportamiento
Experiencia práctica
Escenario ramificado: el directorio pide reducir la fuga de clientes y debes decidir qué datos y qué enfoque usar.
Objetivo del módulo
Entrenar y ajustar modelos supervisados sobre casos comerciales reales.
Contenidos
- Regresión lineal y regresión logística
- Árboles de decisión y bosques aleatorios
- Gradient boosting y ajuste de hiperparámetros
- Casos: churn, scoring de riesgo y propensión de compra
Experiencia práctica
Simulador de entrenamiento: ajusta parámetros y observa cómo cambian el sobreajuste y la precisión.
Objetivo del módulo
Validar los modelos, interpretar sus resultados y cuantificar su aporte al negocio.
Contenidos
- Validación cruzada, matriz de confusión y curvas ROC
- Interpretabilidad con importancia de variables y valores SHAP
- Umbrales de decisión según costos y beneficios
- Presentación de resultados a la gerencia
Experiencia práctica
Actividad final: informe ejecutivo con la recomendación y el retorno estimado del modelo.
Lo que encontrarás en cada módulo
Simulador interactivo
Laboratorio virtual para manipular variables y ver resultados en tiempo real.
Escenarios ramificados
Decisiones con consecuencias: cada elección abre un camino distinto.
Podcast por módulo
Repaso en audio de los conceptos clave para escuchar donde quieras.
Videos explicativos
Cápsulas que desarrollan paso a paso los conceptos más exigentes.
Notebooks y código
Plantillas de trabajo listas para ejecutar y adaptar a tus datos.
Actividades evaluadas
Ejercicios aplicados con retroalimentación inmediata.
¿A quién está dirigido?
Perfil: Ingenieros comerciales, ingenieros civiles industriales y analistas de negocio.
Conocimientos previos: Manejo de planilla de cálculo y nociones de estadística descriptiva. No se requiere experiencia previa en programación.
Cursos relacionados
Datos e IAAvanzado · 24 horasBig Data con PySpark: Procesamiento de Datos a Escala
- M1Arquitectura Big Data
- M2Transformación con DataFrames y Spark SQL
- M3Machine Learning distribuido con MLlib
Datos e IAIntermedio · 24 horasModelos Predictivos del Valor Inmobiliario y la Plusvalía
- M1Datos del mercado inmobiliario
- M2Modelos de valoración
- M3Proyección de plusvalía en el tiempo
EstadísticaIntermedio · 24 horasSeries de Tiempo y Pronóstico de Demanda con Python
- M1Anatomía de una serie de tiempo
- M2Modelos clásicos de pronóstico
- M3Pronóstico aplicado a la operación
Da el siguiente paso en tu formación
Inscríbete en Machine Learning para Decisiones de Negocio y comienza hoy, a tu ritmo y desde cualquier dispositivo.