Desenvolva modelos para previsão de variáveis categóricas e contínuas, usando técnicas de redes neurais, árvores de decisão, regressão logística, modelos de support vector machines e redes bayesianas.  No curso estão incluídos exemplos de uso dos nós Binary Classifier e Numeric Predictor, para seleção automática dos modelos. Também são discutidas técnicas de seleção de melhores informações para o modelo e detecção de dados extremos. Melhores opções para cada nó de modelagem são revisadas em detalhe e são feitas sugestões sobre quando e como usar cada modelo. Além disso, você aprende a combinar dois ou mais modelos para melhorar a predição.

Ao final do curso você terá conhecimentos sobre:

> Preparação de dados para a modelagem
> Pesquisa por dados anômalos
> Seleção de variáveis preditoras
> Redes neurais
> Support vector machines
> Regressão de Cox
> Séries temporais
> Árvores de decisão
> Regressão linear
> Regressão logística
> Análise discriminante
> Modelagem em Redes Bayesianas
> Nó Numeric Predictor
> Nó Binary Classifier
> Modelos para melhorar a performance
> Obter o máximo de seus modelos
> Conhecimento em Lista de decisão

Duração: 3 dias/ 18 horas
Pré-requisito: Conhecimentos gerais em informática. Experiência com o IBM SPSS Modeler, incluindo familiaridade com o ambiente IBM SPSS Modeler, criação de fluxos, leitura de arquivos de dados, avaliação da qualidade dos dados e manipulação dos dados ausentes (nós TYPE e DATA AUDIT). Conhecimentos básicos de manipulação de dados (nós DERIVE e SELECT) e criação de modelos. Ter participado previamente do curso Introdução ao IBM SPSS Modeler é altamente indicado. Um curso introdutório em estatística ou experiência equivalente é indicado para assimilação das técnicas de modelagem.