1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2.
|
|
- Inmaculada Villanueva Rico
- hace 8 años
- Vistas:
Transcripción
1 1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. GENERALIDADES SOBRE LAS TÉCNICAS DE INVESTIGACIÓN SOCIAL Y DE MERCADOS 2.1. POR QUÉ HACER ESTUDIOS DE MERCADO? 2.1.A. PLANTEAMIENTO DE LA NECESIDAD DE LA INVESTIGACIÓN 2.1.B. QUÉ QUIERES SABER Y QUÉ HARÁS CUANDO LO SEPAS 2.1.C. FASES A TENER EN CUENTA A LA HORA DE SOLICITAR UN ESTUDIO AD- HOC 2.2. INVESTIGACIÓN DE MERCADOS INTERNACIONAL 2.3. ASPECTOS ÉTICOS Y LEGALES DE LA INVESTIGACIÓN COMERCIAL 2.4. LOS ESTÁNDARES DE CALIDAD EN LA INVESTIGACIÓN DE MERCADOS 2.5. EXPECTATIVAS DE EVOLUCIÓN Y FUTURO 2.6. ENTORNO DE LA INVESTIGACIÓN COMERCIAL CONTRATACIÓN DE LOS ESTUDIOS DE MERCADO EN LA PRÁCTICA. 3. LAS FUENTES DE INFORMACIÓN 3.1. FUENTES PRIMARIAS Y FUENTES SECUNDARIAS. 3.1.A. FUENTES DE INFORMACIÓN INTERNAS: FUENTES PRIMARIAS Y SECUNDARIAS. 3.1.B. FUENTES DE INFORMACIÓN EXTERNAS: FUENTES PRIMARIAS Y SECUNDARIAS LA INVESTIGACIÓN EXPLORATORIA Y LAS FUENTES DE INFORMACIÓN SECUNDARIAS. 3.2.A. EL USO DE LAS BASES DE DATOS. 3.2.B. ACCESO A LAS FUENTES DE INFORMACIÓN SECUNDARIA EXTERNA. 3.2.C. CONCEPTO DE PANELES DE INFORMACIÓN. 3.2.D. EL CONCEPTO DE GEOMÁRKETING. 3.2.E. VALORACIÓN DE LAS FUENTES DE INFORMACIÓN SECUNDARIAS LA INVESTIGACIÓN EXPLORATORIA COMO INVESTIGACIÓN CUALITATIVA. 3.3.A. LA OBTENCIÓN DE INFORMACIÓN MEDIANTE TÉCNICAS CUALITATIVAS. 3.3.B. TÉCNICAS DE CREATIVIDAD. 3.3.C. DINÁMICA DE GRUPOS. 3.3.D. LAS ENTREVISTAS EN PROFUNDIDAD. 3.3.E. TÉCNICAS PROYECTIVAS LA INVESTIGACIÓN DESCRIPTIVA Y LAS FUENTES DE INFORMACIÓN PRIMARIAS. 3.4.A. EL CONCEPTO DE ENCUESTA. 3.4.B. EL CONCEPTO DE OBSERVACIÓN DISEÑO DE EXPERIMENTOS Y EXPERIMENTACIÓN COMERCIAL EN EL CONTEXTO DE LA INVESTIGACIÓN CAUSAL. 3.5.A. CONCEPTOS BÁSICOS. 3.5.B. VALIDACIÓN Y CLASES DE EXPERIMENTOS APLICACIONES DE LA INVESTIGACIÓN DE MERCADOS 4. ENTORNO DE MARKETING. TENDENCIAS ACTUALES 4.1. INTRODUCCIÓN 4.2. FUNCIÓN DE LA INVESTIGACIÓN COMERCIAL DENTRO DE LA PLANIFICACIÓN DE MARKETING EL CONCEPTO DE MARKETING
2 4.4. EL PRODUCTO 4.4.A. POSICIONAMIENTO DEL PRODUCTO 4.4.B. CICLO DE VIDA DE UN PRODUCTO (CVP) 4.4.C. DESARROLLO DE NUEVOS PRODUCTOS PRECIO. 4.5.A. MÉTODOS DE FIJACIÓN DE PRECIOS. 4.5.B. ESTRATEGIAS DE PRECIO 4.6. PROMOCIÓN 4.6.A. PUBLICIDAD. 4.6.B. PROMOCIÓN DE VENTAS. 4.6.C. LA VENTA PERSONAL 4.6.D. OTRAS FORMAS DE PROMOCIÓN DISTRIBUCIÓN 4.8. EL MERCADO. 4.8.A. SEGMENTACIÓN DE MERCADOS SISTEMA DE INFORMACIÓN MARKETING 4.9.A. TIPOS DE INVESTIGACIÓN DE MERCADO. 4.9.B. ETAPAS DE LA INVESTIGACIÓN DE MERCADO TENDENCIAS ACTUALES A. LA ORIENTACIÓN AL CLIENTE 4.10.B. EL MUNDO INTERNET 5. EJEMPLO DEL DESARROLLO LÓGICO Y FUNCIONAL DE LA APLICACIÓN DE LA INVESTIGACIÓN DE MERCADOS EN EL ÁREA DE MARKETING 5.1. CAPÍTULO 1 POR QUÉ NECESITAMOS LA INVESTIGACIÓN DE MERCADOS? 5.2. CUÁNTO PUEDE VENDERSE, DÓNDE Y CUÁNDO? 5.3. INVESTIGACIÓN DE LAS ACTITUDES DEL CONSUMIDOR FRENTE A LOS PRODUCTOS 5.4. CÓMO SE PUEDE HACER ATRACTIVO EL PRODUCTO PARA LOS CONSUMIDORES? 5.5. CÓMO SE DEBE DISTRIBUIR EL PRODUCTO? 5.6. CÓMO SE DEBE PROMOVER EL PRODUCTO? 5.7. SON FACTIBLES LOS PLANES DE LA AGROINDUSTRIA? 5.8. SERÁ RENTABLE EL NEGOCIO, Y A QUÉ PRECIOS? ANEXO 1 - TEMAS PARA LA INVESTIGACIÓN DE MERCADOS ANEXO 2 - UN CUESTIONARIO PARA EL CONSUMIDOR
3 1. PROCESO DE LA INVESTIGACIÓN DE MERCADOS 1.1. PASO 1º. DEFINICIÓN DEL PROBLEMA 1.2. PASO 2º. TRATAR DE EXPLICAR EL PROBLEMA PASO 3º. DEFINIR LOS OBJETIVOS DE LA INVESTIGACIÓN PASO 4º. FORMULAR EL PLAN GENERAL DE LA INVESTIGACIÓN. 1.4.A. EL TIPO DE INVESTIGACIÓN A SEGUIR: EXPLORATORIA O CONCLUYENTE. 1.4.B. EL TIPO DE INFORMACIÓN NECESARIA. 1.4.C. EL TIPO DE ANÁLISIS DE LA INFORMACIÓN PASO 5º. PRESUPUESTAR LA INVESTIGACIÓN Y TOMAR DECISIONES PASO 6º. PRESENTACIÓN DE INFORMES, RESULTADOS Y EVALUACIÓN DE LA INFORMACIÓN. 2. INTRODUCCIÓN A LAS TÉCNICAS CUANTITATIVAS 2.1. EL CUESTIONARIO 2.1.A. DISEÑO DEL CUESTIONARIO 2.2. EL MUESTREO 2.2.A. TIPOS DE MUESTREO 2.3. TIPOS DE ENCUESTAS 2.3.A. ENCUESTAS PERSONALES 2.3.B. ENCUESTAS POSTALES 2.3.C. ENCUESTAS TELEFÓNICAS 2.3.D. ENCUESTAS POR INTERNET 2.4. FASES DE UN PROCESO ESTADÍSTICO POR MUESTREO 2.4.A. ESTUDIO Y PLANTEAMIENTO. DISEÑO GENERAL DE LAS OPERACIONES ESTADÍSTICAS 2.5. TRABAJOS DE CAMPO 2.6. ETAPA DE TRATAMIENTO DE LA INFORMACIÓN RECABADA EN CAMPO 2.7. CONTROL DE CALIDAD DE LA INVESTIGACIÓN 3. TECNICAS DE OBSERVACIÓN 3.1. TIPOS DE OBSERVACIÓN 3.2. APLICACIONES DE LA OBSERVACIÓN: 3.3. PSEUDOCOMPRA 4. INTRODUCCIÓN A LAS TÉCNICAS CUALITATIVAS 4.1. INTRODUCCIÓN 4.1.A. OBJETIVOS 4.1.B. CARACTERÍSTICAS 4.2. LA OBSERVACIÓN PARTICIPANTE. 4.2.A. MARCO CONCEPTUAL. 4.2.B. PASOS PARA UNA OBSERVACIÓN PARTICIPANTE 4.3. LA ENTREVISTA EN PROFUNDIDAD 4.3.A. MARCO CONCEPTUAL DE LA ENTREVISTA CUALITATIVA 4.3.B. DEFINICIÓN Y CARACTERÍSTICAS DE LA ENTREVISTA EN PROFUNDIDAD 4.3.C. APLICACIONES, VENTAJAS Y LIMITACIONES 4.3.D. SELECCIÓN, CAPTACIÓN Y ORGANIZACIÓN 4.3.E. EJECUCIÓN 4.3.F. LA FUNCIÓN DEL ENTREVISTADOR 4.3.G. ANÁLISIS E INFORME DE RESULTADOS 4.4. LA REUNIÓN DE GRUPO. 4.4.A. INTRODUCCIÓN CONCEPTUAL 4.4.B. LA PRÁCTICA
4 4.5. LAS TÉCNICAS CUALITATIVAS PROSPECTIVAS: LOS ESTUDIOS TIPO DELPHI. 5. PANEL Y ÓMNIBUS 5.1. PANEL 5.2. ÓMNIBUS 6. INTRODUCCIÓN AL DATA MINING Y SISTEMAS DE INFORMACIÓN 6.1. INTRODUCCIÓN: SISTEMAS DE SOPORTE A LA DECISIÓN 6.1.A. DE LOS DATOS AL CONOCIMIENTO 6.2. METODOLOGÍA DE GESTIÓN DE UN PROYECTO DE DATA MINING 6.2.A. FASE 1. PERCEPCIÓN DE LA NECESIDAD DE INICIAR UN PROCESO DE DATA MINING 6.2.B. FASE 2. REFLEXIÓN 6.2.C. FASE 3. PLANIFICACIÓN 6.2.D. FASE 4. DEFINICIÓN Y OBTENCIÓN DE LOS DATOS NECESARIOS 6.2.E. FASE 5. INTEGRACIÓN Y MODIFICACIÓN DE LOS DATOS PARA EL ANÁLISIS 6.2.F. FASE 6. MODELIZACIÓN 6.2.G. FASE 7. IMPLEMENTACIÓN Y RETROALIMENTACIÓN 6.2.H. FASE 8. DISEÑO Y CONSTRUCCIÓN DE APLICACIONES DE VISUALIZACIÓN 6.3. METODOLOGÍA GENÉRICA DE ANÁLISIS DE DATOS 6.3.A. MUESTREO 6.3.B. EXPLORACIÓN 6.3.C. MODIFICACIÓN 6.3.D. MODELIZACIÓN 6.3.E. VALIDACIÓN 6.3.F. APLICACIÓN DE RESULTADOS 6.4. FASES DEL PROCESO ANALÍTICO 6.4.A. MUESTREO ESTADÍSTICO 6.4.B. TÉCNICAS DE PARTICIÓN DEL CONJUNTO DE DATOS DE ENTRADA 6.4.C. ANÁLISIS GRÁFICO DE DATOS 6.4.D. VARIABLES CALCULADAS 6.4.E. DETERMINACIÓN DE LAS VARIABLES DE ANÁLISIS 6.4.F. DETECCIÓN Y LIMPIEZA DE OUTLIERS 6.4.G. ASIGNACIÓN DE VALORES MISSING EN VARIABLES CONTINUAS 6.4.H. ASIGNACIÓN DE VALORES MISSING EN VARIABLES DISCRETAS 6.5. MÉTODOS DE ANÁLISIS DE DATOS 6.5.A. ANÁLISIS CLUSTER 6.5.B. ANÁLISIS DE REGRESIÓN 6.5.C. ANÁLISIS DISCRIMINANTE 6.5.D. ÁRBOLES DE DECISIÓN 6.5.E. REDES NEURONALES 6.5.F. REDES NEURONALES DE KOHONEN 6.5.G. INDUCCIÓN DE REGLAS 6.6. METODOLOGÍAS DE ANÁLISIS DE DATOS 6.6.A. METODOLOGÍA DE SCORING 6.6.B. METODOLOGÍA DE PREDICCIÓN DEL ABANDONO 6.7. SISTEMAS DE INFORMACIÓN
5 INDICE LECCION 1: Análisis Discriminante Introducción Función Discriminante Método Stepwise (inclusión por pasos) de selección de variables Análisis discriminante para tres o más grupos Conclusiones Resumen de la lección LECCION 2: ANÁLISIS LOGLINEAL Introducción Modelo saturado Modelo de independencia Análisis de Modelo Jerárquico Análisis loglineal general Modelos logit loglineal LECCIÓN 3. ANÁLISIS DE FIABILIDAD Introducción Alpha de Cronbach: cuadro de dialogo general y opciones Otros modelos de fiabilidad MASTER EN INVESTIGACIÓN DE MERCADOS Y ESTADÍSTICA APLICADA A LA EMPRESA 3
6 Índice 1. EL PROCESO DE LA MINERÍA DE DATOS Introducción al Data Mining Aplicaciones de la minería de datos Estadística versus Data Mining Técnicas, métodos y algoritmos en Data Mining Cuándo emplear data mining? El proceso de extracción de conocimiento útil Minería de datos y Data Warehouse Descripción de dos metodologías de minería de datos: CRISP-DM y SEMMA Metodología CRISP-DM Metodología SEMMA Fases del muestreo estadístico Usos actuales del muestreo Tipos de muestreo Estrategias generales de muestreo PREPROCESADO DE LOS DATOS Y EVALUACIÓN DE MODELOS Preprocesado de los datos Imputación de datos ausentes Filtrado y eliminación de valores extremos o outlier Transformación de la Base de datos Reducción de variables o de la dimensionalidad Balanceo de las clases Evaluación de modelos Evaluación de modelos de clasificación: Validación cruzada Evaluación de modelos de análisis de regresión ÁRBOLES DE DECISIÓN Y REGRESIÓN Aplicabilidad de los árboles de decisión Algoritmos de clasificación Árboles de decisión y regresión lineal... 86
7 3.4. Programas informáticos disponibles para la clasificación y segmentación jerárquica Ejemplos de árboles de decisión Valoración de créditos a través de árboles de decisión con SPSS y WEKA Ejemplo práctico 2. Decisión de volver de los turistas Árboles de decisón con el programa WEKA Árboles de regresión con el Algoritmo M5P de WEKA REGLAS DE ASOCIACIÓN Introducción a las reglas de asociación El algoritmo A priori Ejemplo con datos de comercio exterior Ejemplo aplicado a productos de un súpermercado (basket análisis) REDES NEURONALES Introducción a las redes neuronales Democrático Tipos de modelos de redes neuronales Unidades de procesamiento de la información Red neuronal Propiedades de los sistemas neuronales El perceptrón multicapa Cómo funciona la red? Etapa de funcionamiento Etapa de aprendizaje Metodología de aplicación de un perceptrón multicapa Los mapas autoorganizativos de Kohonen Etapa de funcionamiento Etapa de aprendizaje Aplicaciones de los mapas autoorganizativos Funciones de Base Radial Comparación entre las Funciones de Base Radial y el Perceptrón Multicapa Learning Vector Quantization (LVQ) Relaciones entre las redes neuronales artificiales y la estadística Programas de simulación de redes neuronales comerciales y freeware
8 5.14. Ejemplos prácticos de redes neuronales Ejemplo de predicción con redes neuronales Ejemplo de clasificación con redes neuronales Ejemplo de redes neuronales con el programa WEKA ALGORITMOS GENÉTICOS Introducción Definición Condiciones para la aplicación de los Algoritmos Genéticos Ventajas e Inconvenientes Fundamentos Teóricos (Conceptos) Codificación de los datos Algoritmo Parámetros necesarios al aplicar Algoritmos Genéticos Aplicaciones Reales de los Algoritmos Genéticos Ejemplos prácticos Máximo de una función Selección de atributos con Algoritmos Genéticos Conclusiones MÁQUINAS DE VECTORES SOPORTE Introducción Máquinas de vectores soporte con margen máximo Máquinas de vectores soporte con margen blando y norma 1 de las variables de holgura Máquinas de vector soporte con margen máximo en el espacio de las características. Máquinas no lineales de vectores soporte Aplicaciones de las SVM Paquetes informáticos para las SVM Ejemplo de Máquinas de Vectores Soporte con WEKA MÉTODOS BAYESIANOS Introducción a los métodos bayesianos Teorema de Bayes e hipótesis MAP: Clasificador Naïve Bayes Redes bayesianas Tipos de redes bayesianas
9 8.5 Algoritmos de aprendizaje automático Algoritmos basados en test de independencia Algoritmos de búsqueda Algoritmo K Algoritmo B Clasificador bayesiano: algoritmo TAN Utilización del programa WEKA con Naïves Bayes y Redes Bayesianas Ejemplo de redes bayesianas con K Ejemplo de redes bayesianas con TAN INTRODUCCIÓN A LA MINERÍA DE TEXTOS Y PÁGINAS WEB Minería de textos Minería Web Programas comerciales y de libre distribución relacionados con el text mining Aplicaciones de Text Mining y Web Mining con Rapid Miner Captura en ficheros txt de los ficheros html de un dominio web Extraer contenido de la web con procesamiento de la información COMBINACIÓN DE MODELOS. MULTICLASIFICADORES Introducción a los métodos de combinación de modelos Bagging Boosting Métodos de fusión Métodos híbridos Stacking Cascading Ejemplo práctico con el metaclasificador Stacking HERRAMIENTAS INFORMÁTICAS DE MINERÍA DE DATOS: WEKA y RAPIDMINER Introducción Cargando Datos en Weka Cómo cargar datos en Weka desde el Excel? Regresión Logística Redes Neuronales: Perceptrón Multicapa
10 Redes de Base Radial (RBF) Máquinas de vectores soporte Árboles de Decisión: C Clustering Reglas de Asociación Selección de atributos Algoritmos Genéticos Rapid Miner Conceptos generales Operadores Reglas de asociación Árboles de decisión Redes neuronales Clustering BIBLIOGRAFÍA
Sistemas de Investigación de Mercados
Sistemas de Investigación de Mercados Información de mercadotecnia Sistema de información de mercadotecnia Información de mercadotecnia Contexto mercado Mercados meta meta Competidores Públicos Macroambiente
Más detallesCURSO MINERÍA DE DATOS AVANZADO
CURSO MINERÍA DE DATOS AVANZADO La minería de datos (en inglés, Data Mining) se define como la extracción de información implícita, previamente desconocida y potencialmente útil, a partir de datos. En
Más detallesFinanzas e Investigación de Mercados"
DIPLOMATURA: "Análisis de Datos para Negocios, Finanzas e Investigación de Mercados" Seminario: Introducción a Data Mining y Estadística Dictado: Sábado 13, 20,27 de Abril, 04 de Mayo en el horario de
Más detallesApuntes de Metodología de la Investigación en Turismo
Apuntes de Metodología de la Investigación en Turismo DIRECCIÓN Amparo Sancho Perez COLABORACIÓN Bernardí Cabrer Borrás Gregorio Garcia Mesanat Juan Manuel Perez Mira Otras colaboraciones: Pilar González
Más detallesGUÍA DOCENTE TITULACIONES DE GRADO
GUÍA DOCENTE TITULACIONES DE GRADO TITULACIÓN: GRADO EN INGENIERIA INFORMATICA DE SISTEMAS DE INFORMACIÓN CURSO 2015/2016 ASIGNATURA: MINERÏA DE DATOS Nombre del Módulo o Materia al que pertenece la asignatura.
Más detallesCURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.
SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es
Más detallesTrabajo final de Ingeniería
UNIVERSIDAD ABIERTA INTERAMERICANA Trabajo final de Ingeniería Weka Data Mining Jofré Nicolás 12/10/2011 WEKA (Data Mining) Concepto de Data Mining La minería de datos (Data Mining) consiste en la extracción
Más detallesTema 2 Diseño de los Estudios de Mercado. Introducción a la Investigación de Mercados
Tema 2 Diseño de los Estudios de Mercado Introducción a la Investigación de Mercados Contenido 2.1 Clasificación de los estudios de mercado 2.2 Diseño de las investigaciones de mercados 2.2.1 Investigación
Más detallesTÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA
TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una
Más detallesData Mining Técnicas y herramientas
Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos
Más detallesAprendizaje Automático y Data Mining. Bloque IV DATA MINING
Aprendizaje Automático y Data Mining Bloque IV DATA MINING 1 Índice Definición y aplicaciones. Grupos de técnicas: Visualización. Verificación. Descubrimiento. Eficiencia computacional. Búsqueda de patrones
Más detallesLos estudios de marketing
Los estudios de marketing I. Qué es un estudio de marketing? Los estudios de marketing son herramientas para conocer el mercado, sirven para recolectar, analizar y explotar información para responder a
Más detallesCapítulo 1. Minería de datos: Conceptos, técnicas y sistemas...
, INDICE Introducción, ; XVII Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas... Aproximación al concepto de minería de datos... El proceso de extracción del conocimiento... Técnicas de minería
Más detallesÍNDICE. Introducción... Capítulo 1. Inteligencia de negocios y sistemas de información. Informes... 1
Introducción... XI Capítulo 1. Inteligencia de negocios y sistemas de información. Informes... 1 Finalidad de los sistemas de información y origen del Business Intelligence... 1 Herramientas para la toma
Más detallesUNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS
UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA PF-3808 Minería de Datos II Semestre del 2009 Profesor: Dr. Francisco J. Mata (correo: fmatach@racsa.co.cr;
Más detallesPROPUESTA DE MÓDULOS, CON SUS CRÉDITOS, DEL GRADO EN PSICOLOGÍA: 75% COMÚN 18 12 ESTADÍSTICA* 6
PROPUESTA DE MÓDULOS, CON SUS CRÉDITOS, DEL GRADO EN PSICOLOGÍA: 75% COMÚN MÓDULOS TOTAL MÓDULO DE RAMA Fundamentos de 12 12 PSICOLOGÍA* Bases biológicas de la conducta 18 Métodos, diseños y técnicas de
Más detalles320514 - APTM - Análisis de Procesos Textiles y de Mercados
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 320 - EET - Escuela de Ingeniería de Terrassa 714 - ETP - Departamento de Ingeniería Textil y Papelera MÁSTER UNIVERSITARIO
Más detallesGrupo de investigación en Minería de Datos http://mida.usal.es
Departamento de Informática y Automática Postgrado en Informática y Automática MÁSTER EN SISTEMAS INTELIGENTES ASIGNATURAS Introducción a la Minería de Datos Minería Web María N. Moreno García http://avellano.usal.es/~mmoreno
Más detallesCLASIFICACIÓN NO SUPERVISADA
CLASIFICACIÓN NO SUPERVISADA CLASIFICACION IMPORTANCIA PROPÓSITO METODOLOGÍAS EXTRACTORES DE CARACTERÍSTICAS TIPOS DE CLASIFICACIÓN IMPORTANCIA CLASIFICAR HA SIDO, Y ES HOY DÍA, UN PROBLEMA FUNDAMENTAL
Más detallesParte I: Introducción
Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one
Más detallesAsignaturas Máster de Metodología de las Ciencias del Comportamiento y de la Salud Curso 2011/2012
Asignaturas Máster de Metodología de las Ciencias del Comportamiento y de la Salud Curso 2011/2012 Periodo de impartición Asignaturas UAM/UCM: Primer semestre: Comienzo: 26 de Septiembre Finalizan: 20
Más detallesIntroducción a la Minería de Datos
Introducción a la Minería de Datos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Índice 1 Minería de
Más detallesIntroducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Francisco J. Martín Mateos Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Qué es la (KE)? Definición de Wikipedia: La es una disciplina cuyo objetivo es integrar conocimiento
Más detallesParte II DISEÑO METODOLÓGICO DE LA INVESTIGACIÓN. Tema 5 TÉCNICAS CUANTITATIVAS DE RECOGIDA DE INFORMACIÓN
Parte II DISEÑO METODOLÓGICO DE LA INVESTIGACIÓN Tema 5 TÉCNICAS CUANTITATIVAS DE RECOGIDA DE INFORMACIÓN Tema 5. TÉCNICAS CUANTITATIVAS DE RECOGIDA DE INFORMACIÓN 5.1. La encuesta: naturaleza y tipología
Más detallesPROCEDIMIENTO DE EVALUACIÓN Y ACREDITACIÓN DE LAS COMPETENCIAS PROFESIONALES CUESTIONARIO DE AUTOEVALUACIÓN PARA LAS TRABAJADORAS Y TRABAJADORES
MINISTERIO DE EDUCACIÓN, CULTURA Y DEPORTE SECRETARÍA DE ESTADO DE EDUCACIÓN, FORMACIÓN PROFESIONAL Y UNIVERSIDADES DIRECCIÓN GENERAL DE FORMACIÓN PROFESIONAL INSTITUTO NACIONAL DE LAS CUALIFICACIONES
Más detallesConstruyendo la base del conocimiento a través de la investigación de mercados internacional. Noviembre 2007
Construyendo la base del conocimiento a través de la investigación de mercados internacional Noviembre 2007 Expositor Mg. Pedro Barrientos Felipa Economista. Magíster por la Universidad del Pacífico. Estudiando
Más detallesESTADÍSTICA APLICADA Y ESTADÍSTICA PARA EL SECTOR PÚBLICO
Máster en ESTADÍSTICA APLICADA Y ESTADÍSTICA PARA EL SECTOR PÚBLICO Temario MÓDULO 0: HOMOGENEIZACIÓN Homogeneización en bases matemáticas 3,0 Cr. ECTS Espacios de Medida Algebra. Matrices y Determinantes
Más detallesAplicaciones prácticas de Minería de Datos con IBM SPSS Modeler
Álvaro J. Méndez Services Engagement Manager IBM SPSS / Profesor Econometría UAM Jecas, 22 Oct 2010 Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Business Analytics software Agenda Minería
Más detallesÍNDICE. Introducción... Capítulo 1. El concepto de Data Mining... 1
ÍNDICE Introducción... XV Capítulo 1. El concepto de Data Mining... 1 Introducción... 1 Una definición de Data Mining... 3 El proceso de Data Mining... 6 Selección de objetivos... 8 La preparación de los
Más detallesEntrenamiento en Gestión de Minería de Datos Aplicada a la Inteligencia en los Negocios
Entrenamiento en Gestión de Minería de Datos Aplicada a la Inteligencia en los Negocios Elaborado por: Luis Francisco Zaldívar, MSE Director www.modelacionderiesgos.com l.zaldivar@modelacionderiesgos.com
Más detallesCLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)
CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE
Más detallesTaxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas
Taxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas 1. DEFINICIONES, UBICACIÓN CONCEPTUAL E HISTORIA DE LA I.A. 2. COMPLEJIDAD COMPUTACIONAL, EXPLOSIÓN COMBINATORIA, DOMINIOS NO
Más detallesNIVEL: CICLO SUPERIOR DE GESTIÓN COMERCIAL Y MARKETING
ETAPA: FORMACIÓN PROFESIONAL DEPARTAMENTO DE COMERCIO NIVEL: CICLO SUPERIOR DE GESTIÓN COMERCIAL Y MARKETING MATERIA: POLITICAS DE MARKETING OBJETIVOS - Analizar los precios y costes de productos, relacionando
Más detallesDiplomado Marketing e Investigación de Mercados
Diplomado Marketing e Investigación de Mercados Duración 120 horas Objetivo general: Ofrecer una visión estratégica y estructurada de la investigación de mercados, dando a conocer las técnicas de investigación
Más detallesÍNDICE PRESENTACIÓN... 17 AGRADECIMIENTOS... 21 PARTE I LOS SERVICIOS, LAS EMPRESAS DE SERVICIOS Y LOS CONSUMIDORES
ÍNDICE PRESENTACIÓN... 17 AGRADECIMIENTOS... 21 PARTE I LOS SERVICIOS, LAS EMPRESAS DE SERVICIOS Y LOS CONSUMIDORES CAPÍTULO I NATURALEZA DE LOS SERVICIOS Y CAUSAS DE SU DESARROLLO 1. Introducción... 25
Más detalles(104) MÉTODOS TÉCNICAS DE INVESTIGACIÓN Programa Curso 2011-2012
(104) MÉTODOS TÉCNICAS DE INVESTIGACIÓN Programa Curso 2011-2012 ASIGNATURA: Métodos y técnicas de investigación CURSO: Primero PROFESORADO: Mª Livia García Faroldi TELÉFONO: 952 13 43 07 CORREO ELECTRÓNICO:
Más detallesTema 4 LA INVESTIGACIÓN DE MERCADOS. Dirección Comercial
Tema 4 LA INVESTIGACIÓN DE MERCADOS Dirección Comercial Bloque 1. Planificación estratégica de Marketing 1. El papel del marketing en la empresa y la sociedad 2. Análisis de situación y estrategias de
Más detallesPLAN DE TRABAJO DOCENTE 2013
PLAN DE TRABAJO DOCENTE 2013 1. DATOS DE LA ASIGNATURA Nombre: Procesamiento Analítico de Datos Código: Nivel: Grado Carácter: Optativo Área curricular a la que pertenece: Administración Carrera: Contador
Más detallesMáster en Gestión de Marketing
Contenidos académicos del Máster en Gestión de Marketing - MMARQ Primer trimestre: 1. Técnicas cuantitativas: El objetivo de esta asignatura es familiarizarse con técnicas gráficas y analíticas de estadística.
Más detallesSumario... 5 Prólogo... 7. Unidad didáctica 1. Introducción a la minería de datos... 9. Objetivos de la Unidad... 10
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la minería de datos... 9 Objetivos de la Unidad... 10 1. Origen y motivación... 11 2. El proceso de descubrimiento
Más detallesCERTIFICACIÓN INTERNACIONAL EN DIRECCIÓN Y GESTIÓN DE PLANES DE MARKETING
Modalidad: Distancia Duración: 100 Horas Objetivos: Aportar al alumno de un modo rápido y sencillo todo aquello que requiere conocer para llevar a cabo estudios de viabilidad de mercado, así como para
Más detallesDES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre:
: : lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. 12 6 lemas propios de la. 12 6 lemas propios de la.
Más detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 -
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 9 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Actividad. Qué es un modelo de Data Mining Qué es
Más detallesPanel: Minería de datos para la administración tributaria
Panel: Minería de datos para la administración tributaria Leopoldo Gutiérrez Socio líder de Tax Data Analytics en EY Especialista en diseño, desarrollo e implementación de modelos analíticos orientados
Más detallesUnidad de aprendizaje 03: Diseño de Investigación. PROFESOR: José Loaiza Torres Administrador de Empresas Magister en Marketing
Unidad de aprendizaje 03: Diseño de Investigación PROFESOR: José Loaiza Torres Administrador de Empresas Magister en Marketing PROBLEMA Y COMPETENCIA SITUACIÓN PROBLEMICA: Un diseño de investigación inadecuado
Más detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesMÓDULO / UNIDAD 4. Tipos de Investigación
MÓDULO / UNIDAD 4 Tipos de Investigación UNIDAD 4 TEMARIO GENERAL de la Clase 4 1. Metodologías de Investigación: Cuantitativo y Cualitativo 2. Tipos de investigación de mercados 3. Diseños exploratorios,
Más detallesGUÍA DOCENTE 2014-2015 DIRECCIÓN COMERCIAL. 4.a Profesor que imparte la docencia (Si fuese impartida por mas de uno/a incluir todos/as) :
GUÍA DOCENTE 2014-2015 DIRECCIÓN COMERCIAL 1. Denominación de la asignatura: DIRECCIÓN COMERCIAL Titulación MBA Código 7083 2. Materia o módulo a la que pertenece la asignatura: MARKETING 3. Departamento(s)
Más detallesINVESTIGACIÓN DE MERCADO
Módulo: Investigación de Mercado Educación Media Técnico-Profesional Sector Administración y Comercio 1 Especialidad: Administración Módulo INVESTIGACIÓN DE MERCADO Horas sugeridas para desarrollar las
Más detallesPLAN DE ESTUDIOS GRADO EN INGENIERÍA EN INNOVACIÓN DE PRODUCTOS Y PROCESOS. 3er Curso. Fecha: 2013/09/03
PLAN DE ESTUDIOS GRADO EN INGENIERÍA EN INNOVACIÓN DE PRODUCTOS Y PROCESOS 3er Curso Fecha: 2013/09/03 INDICE MÓDULO: CIENCIAS FUNDAMENTALES... 3 ASIGNATURA: ELECTROTECNIA Y AUTOMATISMOS... 3 MÓDULO: CIENCIAS
Más detallesParte 7: Análisis de los datos
Metodología de la investigación Curso 2008 Parte 7: Análisis de los datos Los ejemplos han sido tomados en su mayoría de la bibliografía recomendada para el curso Análisis de los datos El análisis de datos
Más detallesCómo se usa Data Mining hoy?
Cómo se usa Data Mining hoy? 1 Conocer a los clientes Detectar segmentos Calcular perfiles Cross-selling Detectar buenos clientes Evitar el churning, attrition Detección de morosidad Mejora de respuesta
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesCapacidades y criterios de evaluación:
UNIDAD FORMATIVA DATOS IDENTIFICATIVOS DE LA UNIDAD FORMATIVA PLAN DE MARKETING EMPRESARIAL DURACIÓN 70 Especifica Código UF2392 Familia profesional COMERCIO Y MARKETING Área Profesional Marketing y Relaciones
Más detallesVisión global del KDD
Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento
Más detallesInteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda
Inteligencia en Redes de Comunicaciones Tema 7 Minería de Datos Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda {jvillena, rcrespo, rueda}@it.uc3m.es Índice Definición y conceptos
Más detallesDIRECCIÓN COMERCIAL I
DIRECCIÓN COMERCIAL I Tema 4. La gestión de la información de marketing Alejandro Mollá Descals Haydée Calderón García Departamento de Comercialización e Investigación de Mercados Facultad de Economía
Más detallesEvaluación, limpieza y construcción de los datos: un enfoque desde la inteligencia artificial
Universidad del Cauca Facultad de Ingeniería Electrónica y Telecomunicaciones Programas de Maestría y Doctorado en Ingeniería Telemática Seminario de Investigación Evaluación, limpieza y construcción de
Más detallesCURSOS DE VERANO 2014
CURSOS DE VERANO 2014 TÍTULO DEL CURSO: EMPRENDIMIENTO TÍTULO PONENCIA: CÓMO ELABORAR UN PLAN DE MARKETING NOMBRE PROFESOR: MARÍA ESCUDIER 17.09.2014 INDICE MARKETING: MARKETING MIX FASES DE UN PLAN DE
Más detallesPROCESOS, PRODUCTOS Y METODOLOGÍAS
Investigación PROCESOS, PRODUCTOS Y METODOLOGÍAS Enero de 2014 www.osona-respon.net info@osona-respon.net 0. Índice 0. ÍNDICE 1. Fases de un estudio de mercado... 2 2. Tipos de estudios... 3 2.1. Metodología
Más detallesESCUELA SUPERIOR POLITÉCNICA DEL EJÉRCITO VICERRECTORADO ACADÉMICO
ESCUELA SUPERIOR POLITÉCNICA DEL EJÉRCITO VICERRECTORADO ACADÉMICO PROGRAMA DE ASIGNATURA DE CONTENIDOS DE DE PROYECTOS ASIGNATURA: Investigación Operativa II NIVEL: V COMERCIAL CRÉDITOS: 4 PERIODO ACADEMICO:
Más detallesINFORME METODOLÓGICO Y DE RESULTADOS
INFORME METODOLÓGICO Y DE RESULTADOS DE LA ACCIÓN DE INVESTIGACIÓN E INNOVACIÓN ESTUDIO PARA LA DEFINICIÓN DE CUALIFICACIONES BÁSICAS TRANSVERSALES EN LAS TRABAJADORAS Y TRABAJADORES DE BAJO NIVEL DE CUALIFICACIÓN
Más detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 -
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 2 - Juan Alfonso Lara Torralbo 1 Índice de contenidos (I) Introducción a Data Mining Actividad. Tipos
Más detallesDEFINICIÓN PROYECTO INTEGRADOR PROYECTO INTEGRADOR SÉPTIMO SEMESTRE PROGRAMA MERCADEO Y NEGOCIOS INTERNACIONALES
DEFINICIÓN PROYECTO INTEGRADOR PROYECTO INTEGRADOR SÉPTIMO SEMESTRE PROGRAMA MERCADEO Y NEGOCIOS INTERNACIONALES 1. TITULO: EL MERCADO (INVESTIGACION SECUNDARIA MERCADO INTERNACIONAL) Y EL GERENTE DE MERCADEO
Más detallesProyecto Piloto sobre Viabilidad de Internet como Fuente de Datos. Resultados del Proyecto
Proyecto Piloto sobre Viabilidad de Internet como Fuente de Datos Resultados del Proyecto ÍNDICE 1. Detección automática de B2C 2. Análisis de demanda de profesionales TICC y programas formativos 3. Análisis
Más detallesCARRERAS DE DOS AÑOS PLAN DE ESTUDIOS Y CONTENIDOS MÍNIMOS
CARRERAS DE DOS AÑOS TECNICATURA EN Comercialización PLAN DE ESTUDIOS Y CONTENIDOS MÍNIMOS Índice TECNICATURA EN COMERCIALIZACION Plan de estudios 1995.................... Pág. 3 Contenidos mínimos de
Más detallesPolíticas de marketing
Módulo: Políticas de marketing (100 Horas) Área competencial Subárea competencial Cualificación profesional COMERCIO, CONSUMO Y TRANSPORTE COMERCIO Marketing Nivel 3 Unidad de competencia Participar en
Más detallesRelación de competencias. Resultado de aprendizaje REQUISITOS PREVIOS: MATERIA 2: Estadística 12 créditos (300 horas) 6 Básicos y 6 Obligatorios
Planificación del Módulo 4 Denominación: MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA 39 créditos ECTS -21básicos y 18 obligatorios- Este módulo está integrado por tres materias que se imparten en tres cursos
Más detallesUn presente y futuro de RR.HH. basado en datos: Aplicaciones de Data Mining en la Gestión de Personas. Prof. Lic. Juan M. Bodenheimer jb@instare.
Un presente y futuro de RR.HH. basado en datos: Aplicaciones de Data Mining en la Gestión de Personas Congreso de RR.HH. De Costa Rica 30/10/2012 Prof. Lic. Juan M. Bodenheimer jb@instare.com Nuestra Agenda
Más detallesCentro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI)
Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) OFERTAS TECNOLÓGICAS 1) GESTIÓN ORGANIZACIONAL Y LOGÍSTICA INTEGRADA: TÉCNICAS Y SISTEMAS DE INFORMACIÓN 2) GESTIÓN
Más detallesTÓPICOS AVANZADOS DE BASES DE DATOS
TÓPICOS AVANZADOS DE BASES DE DATOS 1. DATOS DE LA ASIGNATURA. Nombre de la asignatura: TÓPICOS AVANZADOS DE BASES DE DATOS Carrera: Ingeniería en Sistemas Computacionales Clave de la asignatura: Modulo
Más detallesArtículos de Minería de Datos de Dataprix Introducción a la minería de datos
Published on Dataprix (http://www.dataprix.com) Principal > Artículos de Minería de Datos de Dataprix By Dataprix Created 26/12/2009-17:13 Artículos de Minería de Datos de Dataprix Introducción a la minería
Más detallesSoftware para investigación cualitativa y métodos mixtos. Quiénes utilizan NVivo? Use NVivo. Qué es Nvivo?
Software para investigación cualitativa y métodos mixtos Si su trabajo, estudio o área de enseñanza están relacionados con métodos de investigación cualitativos o de tipo mixto, NVivo 10 lo ayudará a llevar
Más detallesDIRECCIÓN DE MÁRKETING
CURSOS DE EMPRESA: DIRECCIÓN DE MÁRKETING * Subvencionado por Acripes, Asociación de Criminalistas Forenses y Peritos Judiciales e Investigadores de Siniestros - www.acripes.org Sistema de Formación: Online
Más detallesFACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4
FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 REQUISITO LICENCIATURA EN ENFERMERÌA PROFESOR 1. Justificación. Se requiere
Más detallesHabilidades y Herramientas para trabajar con datos
Habilidades y Herramientas para trabajar con datos Marcelo Ferreyra X Jornadas de Data Mining & Business Intelligence Universidad Austral - Agenda 2 Tipos de Datos Herramientas conceptuales Herramientas
Más detallesPROPUESTA DE SERVICIO Características y ejemplos Marzo de 2010. Tesys. Marketing D2D
PROPUESTA DE SERVICIO Características y ejemplos Marzo de 2010 Tesys CARACTERISTICAS DE LA PROPUESTA VISION : Dar soporte a la organización en las tareas de inteligencia comercial y manejo de datos. MISION
Más detallesAnálisis de los determinantes del riesgo de crédito. Aplicación de técnicas emergentes en el marco de los acuerdos de Basilea II y Solvencia II
REVISTA ESPAÑOLA DE FINANCIACIÓN Y CONTABILIDAD Vol. XXXVI, n.º 135 julio-septiembre 2007 pp. 649-653 649 Análisis de los determinantes del riesgo de crédito. Aplicación de técnicas emergentes en el marco
Más detallesUN PASEO POR BUSISNESS INTELLIGENCE
UN PASEO POR BUSISNESS INTELLIGENCE Ponentes: Agreda, Rafael Chinea, Linabel Agenda Sistemas de Información Transaccionales Qué es Business Intelligence? Usos y funcionalidades Business Intelligence Ejemplos
Más detallesPresentación del Curso Virtual VENTAS, MARKETING DIGITAL Y COMERCIO ELECTRÓNICO
Presentación del Curso Virtual VENTAS, MARKETING DIGITAL Y COMERCIO ELECTRÓNICO Tabla de contenido Ventas, Marketing digital y Comercio electrónico... 3 Presentación del curso... 3 Objetivos de aprendizaje...
Más detalles3.1 Qué es la investigación de mercados?
3.1 Qué es la investigación de mercados? La investigación de mercados es la función que enlaza al consumidor, al cliente y al público con el comercializador a través de la información. Esta información
Más detallesCarrera Plan de Estudios Contacto
Carrera Plan de Estudios Contacto La Ingeniería en es una licenciatura de reciente creación que responde a las necesidades tecnológicas de la sociedad y la comunicación. Cada teléfono móvil, tableta electrónica
Más detallesCurso Data Mining y Aplicaciones en Riesgo de Crédito
RW.02 RW.01 Transferencia Internacional de Curso Data Mining y Aplicaciones en Riesgo de Crédito RICHARD WEBER PhD. En Investigación de Operaciones del Instituto de Tecnología de Aachen, Alemania La actividad
Más detallesTFG Educational Data Mining & Learning Analytics
TFG Educational Data Mining & Learning Analytics Estudio de las Matriculaciones de A.D.E. en la UOC Autor: Antonio Blanco Carpintero Tutor: Ramón Caihuelas Quiles Introducción Educational Data Mining Soporte
Más detallesCURSO DE LEAN SIGMA TRANSACCIONAL PARA BLACK BELTS Dr. P. Reyes www.icicm.com CURSO DE BLACK BELTS EN LEAN SIGMA TRANSACCIONAL
CURSO DE BLACK BELTS EN LEAN SIGMA TRANSACCIONAL Duración: 80 horas distribuidas en dos módulos de 40 horas. OBJETIVO Formar los Black Belts del programa Seis Sigma Transaccional de la empresa u organización,
Más detallesRedes Neuronales Artificiales y sus Aplicaciones
Redes Neuronales Artificiales y sus Aplicaciones Profesorado Departamento Programa de Doctorado Créditos 3 Nº de Plazas 2. La asignatura 2. Objetivos de la asignatura 3. Contenidos 4. Metodología de trabajo
Más detalles42447. MÉTODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES
GUIA DOCENTE DEL MÓDULO 42447. MÉTODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES Curso 2021-2013 I.- DATOS INICIALES DE IDENTIFICACIÓN Nombre del Módulo: Carácter de la materia: Titulación: Curso/Semestre:
Más detallesFicha Técnica. Categoría. Contenido del Pack. Sinopsis. Marketing, Publicidad y Comunicación. - 1 CDROM - 2 Manual Teórico - 1 Cuaderno de Ejercicios
Ficha Técnica Categoría Marketing, Publicidad y Comunicación Contenido del Pack - 1 CDROM - 2 Manual Teórico - 1 Cuaderno de Ejercicios Sinopsis El marketing es la herramienta más eficaz que posee una
Más detallesVivaMéxico sin PRI. Quiero que mi país sea de todos. Dr. Ivo H. Pineda Torres. Otoño 2013
VivaMéxico sin PRI Quiero que mi país sea de todos. Dr. Ivo H. Pineda Torres Facultad de Ciencias de la Computación Benemérita Universidad Autónoma de Puebla Otoño 2013 IMAGENESpemexmorena Adquisición
Más detallesUNIVERSIDAD DE SALAMANCA
UNIVERSIDAD DE SALAMANCA Grado en ESTADÍSTICA Facultad de Ciencias Universidad de Salamanca (Comenzó en Septiembre 2009) Asignaturas: En los dos primeros cursos son troncales y obligatorias PRIMER CURSO
Más detallesEL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO
EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO Herramientas idóneas para el control de riesgos y la evolución de la calidad de las carteras Gustavo Chuliver Gerente AIS Argentina gustavo.chuliver@ais-int.net
Más detallesTécnicas de venta (nueva versión)
Técnicas de venta (nueva versión) Muestra cómo debe estar organizada una empresa centrándose en el departamento comercial, donde se definirá la figura del vendedor como un comercial que además de conseguir
Más detallesFUNDAMENTOS DE MARKETING
FUNDAMENTOS DE MARKETING ÍNDICE Prólogo 1. Finalidad de la obra 2. Estructura de la obra. 3. Agradecimientos. 1. La dimensión del marketing Situación empresarial: Apple Iphone PARTE PRIMERA Fundamentos
Más detallesPENDIENTES DE MATEMÁTICAS DE 2º ESO (CURSO 2014-2015)
PENDIENTES DE MATEMÁTICAS DE 2º ESO (CURSO 2014-2015) CRITERIOS E INDICADORES Se detallan a continuación los criterios de evaluación junto con sus indicadores de contenidos asociados. En negrita se indican
Más detallesÁrea de Comercialización e Investigación de Mercados. Área de Organización de Empresas. Universidad de Extremadura.
Área de Comercialización e Investigación de Mercados. Área de Organización de Empresas. Universidad de Extremadura. GUÍA PARA REALIZAR UNA INVESTIGACIÓN DE MERCADOS INTRODUCCIÓN Esta guía pretende ofrecer
Más detallesSistema de Asignación de Riesgos Crediticios
Sistema de Asignación de Riesgos Crediticios Quienes somos Propuesta de Asignación de Riesgos Crediticios (Credit Scoring) CONTENIDO QUIENES SOMOS Matrix Data Labs es una Unidad de Negocios de Matrix CPM
Más detallesMARKETING AGRARIO SEGMENTACION DE MERCADO
MARKETING AGRARIO SEGMENTACION DE MERCADO CONCEPTO DE SEGMENTACIÓN El concepto de mercado admite varias acepciones. En la teoría económica actual se entiende el mercado fundamentalmente como un conjunto
Más detallesExperto en Dirección y Gestión Comercial y E-Commerce
Código DDD05817 Experto en Dirección y Gestión Comercial y E-Commerce Modalidad: Distancia Duración: 250 h Objetivos: Dirigir, gestionar y liderar equipos comerciales. Conocer e implementar técnicas de
Más detallesLÍNEAS DE INVESTIGACIÓN: Redes neuronales (I)
LÍNEAS DE INVESTIGACIÓN: Redes neuronales (I) Objetivo: Usar técnicas neuronales para resolver problemas: * Modelado de sistemas mediante aprendizaje automático a partir de ejemplos * No se conoce ningún
Más detalles