INTRODUCCIÓN
CAPÍTULO 1. PRÁCTICAS CON POWER BI DESKTOP
1.1 GENERALIDADES DE POWER BI
- 1.1.1 Usos de Power BI
- 1.1.2 Conexión a 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 PRÁCTICA ANÁLISIS 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 Práctica análisis de datos por año
1.3 PRÁCTICA ANÁLISIS DE UNA PÁGINA 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 PRÁCTICA COMBINAR DATOS CON POWER BI
- 1.4.1 Conectarse a un origen de datos
- 1.4.2 Crear el modelo de datos
- 1.4.3 Combinar datos
- 1.4.4 Elaboración del Dashboard
1.5 PRÁCTICA CREACIÓN DE MEDIDAS PROPIAS (EMPRESA CONTOSO)
- 1.5.1 Lectura y carga de archivo
- 1.5.2 Elaboración del Dashboard
- 1.5.3 Creación de medidas propias
1.6 PRÁCTICA ANÁLISIS 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 Norte
- 1.6.6 Creación del Dashboard Sur
- 1.6.7 Análisis de datos de la muestra_supertienda
CAPÍTULO 2. PRÁCTICAS CON R-RSTUDIO
2.1 GENERALIDADES DEL LENGUAJE R
2.2 ENTORNO DE DESARROLLO INTEGRADO (IDE) RSTUDIO
- 2.2.1 Características o generalidades de RStudio
- 2.2.2 Ventanas del entorno IDE de RStudio
2.3 INTRODUCCIÓN AL LENGUAJE R
- 2.3.1 Tipos de datos en R
- 2.3.2 Carga de datos
2.4 PRÁCTICA: ESTADÍSTICA DESCRIPTIVA 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 e histograma
- 2.4.4 Medidas de variabilidad
- 2.4.5 Medidas de posición
- 2.4.6 Normalidad de los datos
- 2.4.7 Estadística descriptiva de la variable dist
- 2.4.8 Estadística descriptiva de la variable accel
2.5 PRÁCTICA REGRESIÓN LINEAL
- 2.5.1 Correlación Temperatura vs Nivel de 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 del Viento
- 2.5.7 Correlación Nivel de Radiación Solar vs Velocidad del Viento
2.6 PRÁCTICA ÁRBOLES DE DECISIÓN
- 2.6.1 Característica de los árboles 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 PRÁCTICA MINERÍA DE TEXTO
- 2.7.1 Instalación de los paquetes requeridos
- 2.7.2 Carga de datos
- 2.7.3 Ejercicio: Análisis del texto: Aplicaciones de la inteligencia artificial
CAPÍTULO 3. PRÁCTICAS CON KNIME
3.1 DESCARGAR E INSTALAR KNIME ANALYTICS
- 3.1.1 Instalar Knime Analytics
- 3.1.2 Actualizar datos
3.2 INTRODUCCIÓN A KNIME ANALYTICS
- 3.2.1 Elementos de la ventana de inicio de Knime
- 3.2.2 Nodos y flujo de trabajo
- 3.2.3 Ventajas y desventajas de Knime
- 3.2.4 Crear un proyecto Knime
3.3 PRÁCTICA 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 PRÁCTICA MODELO DE ENTRENAMIENTO DE CLASIFICACIÓN DE DATOS
- 3.4.1 Lectura de datos
- 3.4.2 Tratamiento y limpieza de los datos
- 3.4.3 Propiedades gráficas
- 3.4.4 Estadísticas descriptivas
- 3.4.5 Partición de datos
- 3.4.6 Entrenamiento del modelo de decisión
- 3.4.7 Tabla interactiva
- 3.4.8 Aplicar el modelo
- 3.4.9 Gráfico número de horas vs edad
- 3.4.10 Puntuar
- 3.4.11 Flujo de trabajo
- 3.4.12 Práctica de resultados del modelo
3.5 PRÁCTICA MODELO DE PREDICCIÓN DE SUPERVIVENCIA DEL TITANIC
- 3.5.1 Lectura de datos
- 3.5.2 Exploración y tratamiento de datos
- 3.5.3 Propiedades gráficas (Titanic)
- 3.5.4 Estadísticas descriptivas (Titanic)
- 3.5.5 Partición 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 Práctica de resultados: modelo de predicción supervivencia del titanic
SOLUCIÓN A LAS PRÁCTICAS Y EJERCICIOS PROPUESTOS
CAPÍTULO 1. PRÁCTICAS CON POWER BI DESKTOP
- 1.2 Práctica: Análisis de datos financieros
- 1.3 Práctica: Análisis de una página Web
- 1.4 Práctica: Combinar datos con Power BI
- 1.5 Práctica: Creación de medidas propias (Empresa Contoso)
- 1.6 Práctica: Análisis de datos de una supertienda
CAPÍTULO 2. PRÁCTICAS CON R - RSTUDIO
- 2.4 Práctica: Estadística descriptiva de una variable cuantitativa continua
- 2.5 Práctica: Regresión lineal
- 2.6 Práctica: Árboles de decisión
- 2.7 Práctica: Minería de texto
CAPÍTULO 3. PRÁCTICAS CON KNIME
- 3.3.3 Síntesis del análisis de datos del sistema CRM
- 3.4 Modelo de entrenamiento de clasificación de datos
- 3.5. Práctica de resultados modelo de predicción de supervivencia del titanic..285
REFERENCIAS
MATERIAL ADICIONAL
