Algoritmos
Usamos un amplio espectro de algoritmos para modelizar los problemas a resolver. Algunos ejemplos:
Redes Neuronales
Modelo basado en imitar las neuronas cerebrales. Se definen un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí y la información atraviesa la red neuronal produciendo unos valores de salida.
Cluster Analysis
Modelos estadísticos de agrupación de observaciones a partir de la detección de patrones de comportamiento similares
Algoritmos Genéticos
Modelización resultante de procesos iterativos a partir de un conjunto de condiciones restrictivas a la solución
SVM (Support-Vector Machine)
Modelos de aprendizaje supervisado utilizados para los análisis de clasificación y regresión
PCA (Análisis de Componentes Principales)
Técnica usada en el análisis exploratorio de datos y en los modelos predictivos.
Gradient Boosting
Modelo para regresión y clasificación que produce un modelo predictivo en forma normalmente de árboles de decisión.
Técnicas
Usamos una amplia variedad de técnicas de análisis de datos. Entre ellas podemos destacar:
Data Visualization
Dashboards para reporting y exploración de datos
Feature Engineering
Establecimiento de nuevas variables compuestas a partir de raw data para ser usadas como input de los modelos.
Data Augmentation
Incremento de datos a partir de variaciones sobre un set de datos existente
Data Enrichment
Ampliación de datos, conexión entre BBDD propias de la organización y BBDD de open data o proveedores externos.
Data Wrangling
Higiene de datos y uniformización para posterior tratamiento estadístico.
Suscríbete a nuestra newsletter
