Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes...
Transcript of Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes...
![Page 1: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/1.jpg)
1
Análisis Predictivo con R
Presentado por :
MCI. Carlos Morales Castro
![Page 2: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/2.jpg)
2
1 Breve descripción de la importancia del análisis predictivo
Introducción
2 Se detallan diferentes conceptos necesarios para entender
los modelos de Machine Learning
Conceptos y definiciones
3 Se implementa y estudia el modelo llamado “Estadísticas
por año, materia y despacho ”
Ejemplo
4 Se implementa y estudia el modelo llamado “Monto
susceptible a no ejecutarse”
Implementación
Temas de la presentación
5 Consejos y mejores practicas para Azure ML Studio. Detalle
de costos.
Consideraciones y costo de Azure ML Studio
6 Comentarios finales de la presentación
Conclusiones
![Page 3: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/3.jpg)
3
IntroducciónBreve descripción de la importancia del análisis predictivo
![Page 4: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/4.jpg)
4
Nos permite identificar
debilidades en los procesos.
Nos permite simular cambios
para valorar impactos o
situaciones.
Nos permite identificar y analizar
tendencias.
Nos permite desarrollar procesos
proactivos para evitar eventos no
deseados.
Importancia de análisis predictivo
![Page 5: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/5.jpg)
5
Conceptos y definicionesSe detallan diferentes conceptos necesarios para entender los modelos de Azure Machine Learning Studio
![Page 6: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/6.jpg)
6Estadística
Usos y análisis provenientes de una muestra representativa de datos
![Page 7: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/7.jpg)
7Probabilidad
Se refiere a la certeza con la que se la a producir un evento
![Page 8: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/8.jpg)
8Ejemplo práctico
1 2 3 4Datos
El 75% elige el número 3
El 20% eligen el número 2 o el 4
El 5% eligen el número 1
Elige un número…..
![Page 9: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/9.jpg)
9
Se refiere al promedio
MediaValor que se encuentra en el medio de
todos los valores cuando se ordenan
MedianaSe refiere al valor que más se repite
Modo
Media, mediana, modo
![Page 10: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/10.jpg)
10Desviación estándar
Representa la distancia entre el valor y el promedio
![Page 11: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/11.jpg)
11Correlación
Representa la relación sistemática entre dos variables cuantitativas
Tipos de Variables
• Cuantitativas
• Ordinales
• Categóricas
![Page 12: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/12.jpg)
Machine Learning
Supervisado
No Supervisado
Semi-supervisado
Regresión
Clasificación
Clúster
1312
Es un campo de la Inteligencia Artificial que le da la habilidad de aprender y
mejorar a los sistemas computacionales
![Page 13: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/13.jpg)
13
EjemploSe implementa y estudia el modelo llamado “Estadísticas por año, materia y despacho ”
![Page 14: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/14.jpg)
14Implementación del modelo “Estadísticas por año, materia y despacho”
![Page 15: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/15.jpg)
15
ImplementaciónSe implementa y estudia el modelo llamado “Monto susceptible a no ejecutarse”
![Page 16: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/16.jpg)
16
Pedidos susceptible
a Caducarse
Pedidos susceptible
a Caducarse
ReservasReservas
Solicitud de
Pedido
Solicitud de
Pedido
PedidoPedido
PrediccionesMonto susceptible a no ejecutarse
Solicitudes del pedido
• Sin disponible presupuestario
• En estado Visado o Caducado
• Fecha de creación de pedido
• Fecha del ultimo caduco
Pedido
• Sin disponible presupuestario
• En estado Visado o Caducado
• Fecha de afectación de la
transferencia
• Fecha del Ultimo caduco
• Se consideran pedidos cuyo
monto a comprar es igual a la
cantidad a comprar
• Sin facturas en tramites
(cancelado para evitar malos
entendidos en recalculo)
• Con disponible mayor a cero
Reservas
• Sin disponible presupuestario
• En estado Visado o Caducado
• Fecha de creación de pedido
• Fecha del ultimo caduco
* Fecha al 01 de julio del 2018 (Prueba de concepto)
![Page 17: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/17.jpg)
17
Historico de datos?Historico de datos?
ReservasReservas
Solicitud de
Pedido
Solicitud de
Pedido
PedidoPedido
Predicciones (consideraciones)Monto susceptible a no ejecutarse
Solicitudes del pedido
(17.893)• Periodo
• Indicador de consultoría
• Indicador de provienen de expediente
• Indicador de CND
• Oficina
• Subpartida
• Área tramitadora
• Tipo de Pedido
• Rubro
• Tipo de Gasto
• Tipo de moneda
• Fecha de creación
Pedido (16.974)• Periodo
• Indicador de consultoría
• Indicador de provienen de expediente
• Indicador de CND
• Oficina
• Subpartida
• Área tramitadora
• Tipo de Pedido
• Rubro
• Tipo de Gasto
• Tipo de moneda
• Fecha de creación
• Reservas 2013
• Solicitudes de Pedido 2014
• Pedidos 2015
• CND desde el 2015
Reservas (18.946)• Periodo
• Indicador de CND
• Subpartida
• Tipo de reserva
• Tipo de Gasto
• Fecha de creación
* Fecha al 01 de julio del 2018 (Prueba de concepto)
![Page 18: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/18.jpg)
18
Consideraciones Consejos y mejores practicas.
![Page 19: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/19.jpg)
19
1 Identificar caso de uso
Pasos para desarrollar un modelo de Azure ML Studio
2 Identificar datos
3 Limpieza de datos
4 Elegir algoritmo
5 Optimización del modelo
6 Evaluar resultados
7 Publicar modelo
8 Entrenar nuevamente
![Page 20: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/20.jpg)
20
ConclusionesComentarios finales de la presentación
![Page 21: Análisis Predictivo con R - Buenas Prácticas€¦ · Introducción 2 Se detallan diferentes conceptos necesarios para entender los modelos de Machine Learning Conceptos y definiciones](https://reader035.fdocuments.es/reader035/viewer/2022071117/6003fe2215f6263dd907a7f6/html5/thumbnails/21.jpg)
21
01
02
03
04
Limites???
Futuros
pasos…
Metas….
Se pueden llegar a predecir muchas
variables.
Aplicar un modelo completo no es sencillo
se debe analizar la necesidad los datos y
evaluar los modelos.
La muestra de datos para entrenar debe
ser lo más completa y limpia posible.
La implementación de modelos requieren
conocimiento de la lógica del negocio,
conocimiento técnico y experiencia para
tener el mejor resultado.
Conclusiones