Modelado predictivo avanzado de SAS

Guía de contenidos del examen

Redes neuronales - 20 %

• Describir los conceptos clave de las redes neuronales.
• Utilizar las dos arquitecturas que ofrece el nodo de la red neuronal para modelar relaciones de entrada-salida lineales o no lineales.
• Utilizar los métodos de optimización ofrecidos por el nodo SAS Enterprise Miner Neural Network para buscar eficientemente el espacio de parámetros en una red neuronal.
• Construir arquitecturas de red personalizadas mediante el procedimiento NEURAL (PROC Neural).
• Basándose en consideraciones estadísticas, utilizar redes neuronales con retardo de tiempo, modelos sustitutos para aumentar las redes neuronales.
• Utilizar el Nodo Neural HP para realizar un entrenamiento de alta velocidad de una red neuronal.

Regresión logística - 30 %

• Calificación de nuevos conjuntos de datos mediante los procedimientos LOGISTIC y PLM.
• Identificar los posibles desafíos al preparar los datos de entrada para un modelo.
• Utilizar el paso DATA para manipular datos con bucles, matrices, sentencias condicionales y funciones.
• Mejorar el poder predictivo de las entradas categóricas.
• Examinar las variables para detectar la irrelevancia y la asociación no lineal mediante el procedimiento CORR.
• Examine las variables en busca de no linealidad mediante gráficos logit empíricos.
• Aplicar los principios de la evaluación honesta a la medición del rendimiento del modelo.
• Evaluar el rendimiento del clasificador mediante la matriz de confusión.
• Selección y validación de modelos mediante datos de entrenamiento y validación.
• Crear e interpretar gráficos (ROC, de elevación y de ganancias) para la comparación y selección de modelos.
• Establecer valores de corte de decisión efectivos para la puntuación.

Análisis predictivo de Big Data - 40%.

• Construir e interpretar un análisis de clústeres en SAS Visual Statistics.
• Explicar la informática de alto rendimiento SAS.
• Realizar el análisis de componentes principales.
• Analizar objetivos categóricos con la regresión logística en SAS Visual Statistics.
• Analizar objetivos categóricos con árboles de decisión en SAS Visual Statistics.
• Analizar objetivos categóricos mediante árboles de decisión en PROC IMSTAT.
• Analizar objetivos categóricos mediante regresión logística en PROC IMSTAT.
• Construir modelos de bosque aleatorio con PROC IMSTAT.
• Analizar objetivos de intervalo con SAS Visual Statistics.
• Analizar objetivos de intervalo con PROC IMSTAT.
• Analizar los modelos con inflación cero con HPGLM en Enterprise Miner.

Modelos de código abierto en SAS - 10%.

• Incorporar un programa R existente en SAS Enterprise Miner.
• Incorporar un programa Python existente en SAS Enterprise Miner.