06114nam a22001937a 4500 OSt 20250403151545.0 230607b |||||||| |||| 00| 0 eng d 978-958-792-406-0 B-ISTTENA ESP. Análisis de Datos con Power BI, R-RStudio y Knime. Curso Práctico Bentacourt Uscátegui - Jorge Fernando - Polanco Guzmán - Irma Yolanda 1ra Ed. Colombia Ra-ma Editorial 2022 294 p. 17x24 cm. Introducción - Capitulo 1: Prácticas con power BI desktop 1.1 GENERALIDADES DE POWER BI. 1.1.1 Usos de Power BI 1.1.2. Conexión de datos 1.1.3. Creación de un modelo de datos. 1.1.4. Creación de objetos visuales. 1.1.5. Creación de informes. 1.1.6. Compartir y publicar informes. 1.2 PRACTICA ANALISIS DE DATOS FINANCIEROS. 1.2.1. Carga de datos. 1.2.2. Crear el modelo de datos. 1.2.3. Crear el informe. 1.2.4. Practica análisis de datos por año. 1.3 PRACTICA ANALISIS DE UNA PAGINA WEB 1.3.1. Conexión a un origen de datos. 1.3.2. Limpieza de datos mediante el editor de Power Query. 1.3.3. Importación de la consulta en la vista de informe. 1.3.4. Creación de una visualización- Dashboard. 1.4 PRACTICA COMBINAR DATOS CON POWER BI 1.4.1. Conectarse a un oriegen de datos. 1.4.2. Crear el modelo de datos. 1.4.3. Combinar datos. 1.4.4. Elaboración del Dashboard. 1.5 PRACTICAS CREACION Y MEDIDAS PROPIAS (EMPRESAS CONTOSO) 1.5.1. Lectura y carga de archivo. 1.5.2. Elaboración del Dashboard. 1.5.3. Creación de medidas propias. 1.6. PRACTICAS ANLISIS DE DATOS DE UNA SUPERTIENDA 1.6.1. Conexión y carga del archivo de datos. 1.6.2. Creación del Dashboard General. 1.6.3. Creación del Dashboard Caribe. 1.6.4. Creación del Dashboard Centro. 1.6.5. Creación del Dashboard noete. 1.6.6. Creación del Dashboard sueçr. 1.6.7. Análisis de datos de la muestra_ supertienda. - Capitulo 2: Prácticas con R-rstudio. 2.1. GENERALIDADES DEL LENGUAJE R. 2.2. ENTORNO DE DESARROLLO INTERNTEGRADO( IDE) RSTUDIO. 2.2.1. Características o generalidades de RStudio. 2.2.2. Ventas del entorno IDE de RStudio. 2.3. INTRODUCCION AL LENGUAJE R 2.3.1. Tipos de datos en R 2.3.2. Carga de datos. 2.4. PRACTICA: ESTADISTICA DESCRIPIVA DE UNA VARIABLE. CUANTITATIVA CONTINUA. 2.4.1. Origen de los datos. 2.4.2. Medidas de tendencia central. 2.4.3. Tabla de frecuencia central. 2.4.4. Medidas de variabilidad. 2.4.5. Medidas de posición. 2.4.6. Normalidad de los datos. 2.4.7. Estadística descriptiva. 2.4.8. Estadística descriptiva de la variable accel. 2.5. PRACTICA REGRESION LINEAL. 2.5.1. Correlación Temperatura vs Nivel Ozono. 2.5.2. Correlación Nivel de Ozono vs Radiación Solar. 2.5.3. Correlación Temperatura vs Nivel de Radiación Solar. 2.5.4. Correlación Temperatura vs Velocidad de Viento. 2.5.5. Correlación entre múltiples variables. 2.5.6. Correlación Nivel de Ozono vs Velocidad de Viento. 2.5.7.Correlación Nivel de Radiación Solar vs Velocidad del Viento. 2.6. PRACTICA ARBOLES DE DESICION. 2.6.1. Característica de los arboles de decisión. 2.6.2. Requerimientos. 2.6.3. Importar los datos. 2.6.4. Generar un set de entrenamiento y prueba. 2.6.5. Elección del modelo. 2.6.6. Sistematizando el modelo. 2.6.7. Conclusión. 2.6.8. Ejercicio: Creación y análisis de un árbol de decisión. 2.7. PRACTICA MINERIA DE TEXTO. 2.7.1. Instalación de los paquetes requeridos. 2.7.2. Carga de datos. 2.7.3. Ejercicio: Análisis de texto: Aplicaciones de la inteligencia artificial. CAPITULO 3: PRACTICAS CONKNIME. 3.1. DESCARGAR E INSTALAR KNIME ANALYTICS. 3.1.1. Instala Knime Analytics. 3.1.2. Actualizar datos. 3.2. INTRODUCCION A KNIME ANALYTICS. 3.2.1. Elementos de la ventana de inicio knime. 3.2.2. Nodos y flujos de trabajo. 3.2.3. Ventajas y desventajas de knime. 3.2.4. Crear un proyecto knime. 3.3. PRACTICA CIENCIA DE DATOS. 3.3.1. Concepto y fases. 3.3.2. Crear un flujo de trabajo Workflow. 3.3.3. Síntesis del análisis de datos del sistema CRM. 3.4. PRACTICA MODELO DE ENTRENAMIENTO DE CLASIFICACION DE DATOS. 3.4.1. Lectura de datos. 3.4.2. Tratamiento y limpieza de los datos. 3.4.3. Propiedades graficas. 3.4.4. Estadísticas descriptivas. 3.4.5. Participación de datos. 3.4.6. Entrenamiento del modelo de decisión. 3.4.7. Tabla interactiva. 3.4.8. Aplicar el modelo. 3.4.9. Grafico numero de horas vs edad. 2.4.10. Puntuar. 3.4.11. Flujo de trabajo. 3.4.12. Practica de resultados de modelos. 3.5. PRACTICA MODELO DE PREDICCION DE SUPERVIVENCIA DEL TITANIC. 3.5.1. Lectura de datos. 3.5.2. Exploración y tratamiento de datos. 3.5.3. Propiedades graficas (Titanic). 3.5.4. Estadísticas descriptivas (Titanic). 3.5.5. Participación de datos (Titanic). 3.5.6. Entrenamiento del modelo de decisión. 3.5.7. Aplicar el modelo. 3.5.8. Puntuar. 3.5.9. Flujo de trabajo. 3.5.10. Practica de resultados: modelo de predicción supervivencia de titanic. SOLUCION A LAS PRACTICAS Y EJERCICIOS PROPUESTOS. CAPITULO 1: PRACTICAS CON POWER BI DESKTOP. 1.2 Practica: Análisis de datos financieros. 1.3 Practica: Análisis de una pagina web. 1.4 Practica: Combinar datos con Power BI. 1.5 Practica: Creación de medidas propias (Empresa Contoso). 1.6 Practica: Análisis de datos de una supertienda. CAPITULO 2: PRACTICAS CON R - RSTUDIO. 2.4. Practica: Estadística descriptiva de una variable cuantitativa continua. 2.5. Practica: Regresión lineal. 2.6. Practica: Arboles de decisión. 2.7. Practica: Minería de texto. CAPITULO 3: PRACTICAS CON KNIME. 3.3.3. Síntesis del análisis de datos del sistema CRM. 3.4. Modelo de entrenamiento de clasificación de datos. 3.5. Practica de resultados modelo de predicción de supervivencia del titanic. - Referencias. - Material adicional. Análisis y Diseño de Sistemas B-ISTTENA BOOK 07/06/2023 Pedro Alvarado 17/06/2023 1122 1122 BISTT 2023-06-05 DONACIÓN ISTT-DS-0269 ISTT-DS-0269 Eje: 1/2 BOOK BISTT 2023-07-17 Donación ISTT-DS-0273 ISTT-DS-0273 Eje. 2/2 BOOK