Capítulo 1. Data mining, business intelligence y big data

1.1 introducción
1.2 técnicas modernas de tratamiento de datos: big data, data mining y business intelligence
1.3 analytics y técnicas de minería de datos
1.4 analytics e inteligencia de negocios
1.5 big data y hadoop

capítulo 2. Introducción a sas visual analytics. Entorno de trabajo

2.1 visual analytics
2.2 ventajas de sas visual analytics
2.3 el entorno de trabajo de sas visual analytics
2.4 acceso a sas visual analytics
2.5 acerca de la disponibilidad de los menús y las selecciones de menú en sas visual analytics
2.6 primer vistazo a la página de inicio de sas visual analytics
2.7 gestión de contenido en la página de inicio
2.8 trabajando con el panel de la derecha en la página de inicio
2.9 explorando datos usando el inspector de objetos en la página de inicio
2.10 gestión de colecciones en la página de inicio
2.11 agregar comentarios a los objetos en la página de inicio
2.12 especificar sus preferencias
2.13 acceso a datos
2.14 administrando acceso a datos

capítulo 3. Sas visual analytics data builder

3.1 data builder (generador de datos)
3.2 acceso a datos mediante dbms
3.3 trabajando con formatos definidos por el usuario
3.4 especificar sus preferencias para el generador de datos
3.5 consulta de datos
3.6 creando consultas de datos
3.7 guardar una consulta de datos como una nueva data query
3.8 usando la pestaña de diseño
3.9 agregar un origen de datos
3.10 especificar propiedades para una consulta de datos
3.11 tablas
3.12 especificar propiedades de una tabla de origen
3.13 tablas de salida
3.14 agregar columnas para una consulta de datos
3.15 quitar columnas
3.16 especificar una expresión de columna
3.17 especificar agregaciones
3.18 quitar todas las agregaciones
3.19 usando grupo de variables
3.20 usando funciones de auto-agregado
3.21 usando el pivote por característica
3.22 acerca del filtrado de datos
3.23 especificando una cláusula where
3.24 especificar una cláusula having
3.25 consejos para uso de filtros
3.26 acerca de union
3.27 ¿cómo funciona la función de combinación automática?
3.28 agregar un únete
3.29 eliminar un join
3.30 gestión de unión en una consulta de datos

capítulo 4. Sas visual analytics explorer

4.1 introducción
4.2 la ventana de bienvenida
4.3 primer vistazo al explorador
4.4 especificar sus preferencias para el explorador
4.5 crear una nueva exploración
4.6 eliminar exploraciones
4.7 gestión de propiedades de datos
4.8 importación local de fuentes de datos
4.9 abrir un origen de datos diferente como una nueva exploración
4.10 cambio del origen de datos para la exploración
4.11 actualizar fuente de datos
4.12 creando datos calculados
4.13 creando medidas agregadas
4.14 creando elementos derivados
4.15 editar un agregado calculado o derivados de elementos de datos
4.16 eliminar un elemento calculado, agregados o derivados de elementos de datos
4.17 duplicar un elemento de datos
4.18 definir un elemento de datos geografico
4.19 definir elementos de datos de text analytics

capítulo 5. Visualizaciones en sas visual analytics

5.1 introducción a las visualizaciones
5.2 trabajando con visualizaciones
5.3 administrando datos en visualizaciones
5.4 ranking de datos
5.5 administrar ejes de visualizaciones
5.6 trabajando con rangos de visualización de datos y gradientes de color
5.7 trabajando con datos resaltados
5.8 trabajando con gráficos automáticos
5.9 trabajando con gráficos de barras
5.10 trabajando con gráficos de líneas
5.11 predicción
5.12 trabajando con tablas
5.13 trabajando con tablas cruzadas
5.14 administrando filas y columnas en una tabla de refeerencias cruzadas
5.15 crear una jerarquía de un de tabla de referencias cruzadas
5.16 trabajando con gráficos de dispersión
5.17 aplicando análisis de datos
5.18 trabajando con gráficos de burbuja
5.19 trabajando con diagramas de red
5.20 trabajando con histogramas
5.21 trabajando con gráficos de caja y bigotes
5.22 trabajando con mapas de calor
5.23 trabajando con mapas geográficos (geo mapas)
5.24 trabajando con los gráficos de mosaicos (treemaps)
5.25 trabajando con matrices de correlación
5.26 trabajando con árboles de decisión
5.27 trabajando con nubes de palabras

capítulo 6. Filtros, jerarquías, informes y análisis de datos

6.1 trabajando con filtros
6.2 trabajando con filtros avanzados
6.3 editando la expresión de un filtro
6.4 exportar una exploración visual como un informe
6.5 exportar una exploración visual como un archivo pdf
6.6 guardar una visualización como un archivo de imagen
6.7 acerca de la exportación de datos de una visualización
6.8 enviar por correo electrónico una exploración visual como un enlace
6.9 ¿qué es una jerarquía?
6.10 crear una nueva jerarquía
6.11 derivar una jerarquía de una fecha, hora o datetime
6.12 crear una jerarquía de una visualización
6.13 editar una jerarquía
6.14 eliminar una jerarquía
6.15 resúmenes de análisis de datos en sas visual analytics explorer
6.16 informes. Sas visual analytics designer
6.17 business intelligence móvil

capítulo 7. Sas visual statistics

7.1 introducción
7.2 inicio y entorno de trabajo
7.3 interfaz de usuario
7.4 modelo lineal de regresión múltiple
7.5 modelo de regresión logística
7.6 modelo lineal generalizado
7.7 árboles de decisión
7.8 análisis clúster
7.9 comparación de modelos

capítulo 8. Soluciones hadoop de sas. Sas high performance analytics y sas in-memory statistics

8.1 introducción
8.2 sas high-performance analytics
8.3 sas high-performance statistics
8.4 sas high-performance data mining
8.5 sas high-performance text mining
8.6 high-performance optimization
8.7 sas in-memory statistics for hadoop

capítulo 9. Big data analytics con herramientas de ibm

9.1 introducción
9.2 analytics con power system
9.3 ibm spss modeler
9.4 ejemplo de trabajo con ibm spss modeler
9.5 nodos de orígenes de datos
9.6 nodos de operaciones con registros
9.7 nodos de operaciones con campos
9.8 nodos para gráficos
9.9 nodos para modelado
9.10 nodos de resultado
9.11 nodos de exportación
9.12 ibm spss modeler e ibm spss statistics
9.13 modelización automática en ibm spss modeler
9.14 el nodo clasificador automático de ibm spss modeler
9.15 el algoritmo autonumérico de ibm spss modeler
9.16 el algoritmo autoconglomeración de ibm spss modeler

capítulo 10. Técnicas de modelado y redes neuronales con ibm spss modeler

10.1 introducción
10.2 técnicas de modelado predictivo con ibm spss modeler
10.3 el nodo discriminante: modelos de análisis discriminante
10.4 funcionamiento de una red neuronal
10.5 redes neuronales con ibm spss modeler

capítulo 11. Técnicas de segmentación con ibm spss modeler. Clúster con redes neuronales

11.1 introducción
11.2 análisis clúster con redes neuronales: nodo kohonen
11.3 segmentación y perfilado con árboles de decisión
11.4 características de los árboles de decisión
11.5 tipos de árboles de decisión
11.6 árboles de decisión con ibm spss modeler

capítulo 12. Big data analytics con herramientas de oracle y microsoft

12.1 introducción
12.2 oracle big data appliance
12.3 oracle big data connectors
12.4 oracle nosql database
12.5 oracle exadata database machine
12.6 oracle exalytics in-memory machine
12.7 oracle business analytics
12.8 oracle business intelligence foundation suite
12.9 enterprise performance management
12.10 aplicaciones analíticas
12.11 information discovery
12.12 advanced analytics
12.13 nube
12.14 herramientas de big data analytics en microsoft
12.15 hdinsight
12.16 el ecosistema hadoop en azure
12.17 escenarios de datos de gran tamaño en hdinsight
12.18 introducción al uso de hdinsight de azure
12.19 uso del almacenamiento de blobs de azure con hdinsight