▷ Sabiduría semanal que puedes leer en pocos minutos. Añade nuestra revista gratuita a tu bandeja de entrada. Lee gratis nuestras revistas de Derecho empresarial, Emprender, Carreras, Liderazgo, Dinero, Startups, Políticas, Ecología, Ciencias sociales, Humanidades, Marketing digital, Ensayos, y Sectores e industrias.

Análisis de Datos

Análisis Cuantitativo

por
calculadora y economía

Este texto se ocupa del análisis cuantitativo, como sistema de gestión de carteras de valores que aplica modelos económicos para la determinación de los activos que componen la cartera. El objetivo es ayudar al lector a conocer la naturaleza, los tipos y la finalidad de las tablas y los gráficos empleados en la investigación cuantitativa; a haber adquirido un conocimiento claro de las medidas de tendencia central, dispersión, correlaciones y significación, a estar en condiciones de elegir las pruebas adecuadas según la naturaleza de las variables en cuestión; a
haber adquirido las habilidades necesarias para calcular correlaciones e interpretar los resultados de dichos cálculos mediante el uso de ordenadores o dispositivos, y a haber adquirido una comprensión crítica de las limitaciones de estas pruebas y de su lugar en la investigación social.

Redes Neuronales Artificiales

por

Los clasificadores polinómicos pueden modelar superficies de decisión de cualquier forma; sin embargo, su utilidad práctica es limitada debido a la facilidad con la que superan a los ruidosos datos de entrenamiento y al número a veces poco práctico de parámetros entrenables. Mucho más populares son las redes neuronales artificiales, en las que muchas unidades simples, denominadas neuronas, están interconectadas por enlaces ponderados en estructuras más grandes de notable rendimiento. El campo de las redes neuronales es muy rico, y aquí nos centraremos en dos tipos populares: los perceptrones multicapa y las redes de función de base radial. En el texto se describe cómo cada una de ellas clasifica los ejemplos, y luego se describen algunos mecanismos elementales para inducirlas a partir de los datos de formación.

Análisis Cualitativo de Procesos

por

Analizar los procesos de negocio es tanto un arte como una ciencia. En este sentido, el análisis cualitativo es el lado artístico del análisis de procesos. Las técnicas de análisis cualitativo de procesos nos permiten identificar, clasificar y comprender las debilidades y oportunidades de mejora de un proceso. En este texto, presentamos un conjunto seleccionado de principios y técnicas para el análisis cualitativo de procesos. En primer lugar, presentamos dos técnicas para identificar los pasos innecesarios del proceso (análisis de valor añadido) y las fuentes de residuos (análisis de residuos). A continuación, presentamos técnicas para identificar y documentar los problemas de un proceso desde múltiples perspectivas y para analizar las causas fundamentales de estos problemas. El análisis de valor añadido es una técnica para identificar los pasos innecesarios de un proceso con miras a eliminarlos. En muchos casos, los participantes en el proceso tienen una comprensión implícita de los pasos de una tarea porque la realizan día tras día. Pero esta comprensión implícita no está documentada en ninguna parte. En ausencia de tal documentación, el analista de procesos necesita descomponer cada tarea en pasos por medio de la observación y la entrevista. Habiendo descompuesto el proceso en pasos, como segundo requisito para el análisis de valor añadido es identificar quién es el cliente del proceso y cuáles son los resultados positivos que el cliente busca del proceso.

Aprendizaje No Supervisado

por

El texto describe algunas técnicas prácticas para el aprendizaje no supervisado, explicando los algoritmos básicos, sus comportamientos en circunstancias prácticas y los beneficios que ofrecen. Mientras que el aprendizaje supervisado se centra en la inducción de los clasificadores, el aprendizaje no supervisado está interesado en descubrir propiedades útiles de los datos disponibles. Tal vez la tarea más popular sea la de buscar grupos (llamados clusters) de ejemplos similares. Los centroides de estos grupos pueden ser utilizados como centros gausianos para los clasificadores Bayesianos o RBF, como predictores de valores de atributos desconocidos, e incluso como herramientas de visualización de datos multidimensionales. Por último, pero no menos importante, las técnicas utilizadas en el aprendizaje no supervisado pueden utilizarse para crear atributos de nivel superior a partir de los ya existentes.

Análisis Cualitativo

por

El objetivo es ayudar al lector a conocer el proceso de análisis de datos en la investigación cualitativa, a ser capaz de evaluar críticamente los puntos fuertes y débiles del análisis cualitativo, a tener una clara comprensión del debate sobre la naturaleza del análisis de datos cualitativos y ser capaz de responder con inteligencia a los distintos puntos planteados en el debate; a haber adquirido un conocimiento básico de las formas en que el análisis cualitativo emplea los ordenadores, y ser consciente de sus puntos fuertes y sus limitaciones, a estar en condiciones de realizar un análisis cualitativo y a ser capaz de situar la investigación con métodos mixtos de forma lógica y metodológica en el ámbito del análisis cualitativo de datos.

▷ Recibe gratis nuestras revistas de Derecho empresarial, Emprender, Carreras, Dinero, Políticas, Ecología, Liderazgo, Marketing digital, Startups, Ensayos, Ciencias sociales, Derecho global, Humanidades, y Sectores económicos, en Substack. Cancela cuando quieras.