Name: Tendencias en Cloud Computing + Modelos para el Pronóstico del Churn
Start: 2015-11-26T19:00:00-05:00
End: 2015-11-26T22:00:00-05:00
Location: Universidad EAN

http://photos4.meetupstatic.com/photos/event/7/f/b/3/600_443432691.jpeg

Nuestro ciclo de encuentros de este año cerrará con dos fascinantes charlas. En la primera exploraremos las tendencias del Cloud Computing para Big Data Analytics y en la segunda veremos cómo la segmentación de los clientes puede ayudar a mejorar los pronósticos de churn (cancelación de servicios). El encuentro es patrocinado por Toptal (http://www.toptal.com/).

Cloud Computing: Trends and Challenges

Un estudio reportado por la Harvard Business Review muestra las tres estrategias encontradas para explotar totalmente las capacidades de Big Data y Analytics en una organización, estas son: 1) identificar, combinar y manejar múltiples fuentes de datos. 2) Construir modelos analíticos avanzados para predecir y optimizar resultados. 3) Transformar las capacidades de la organización de tal forma que los datos utilizados y el análisis de los mismos lleven a tomar mejores decisiones. El modelo de Cloud computing sirve para cada uno de las capacidades anteriormente mencionadas.

Presentador: Cesar Diaz

Ingeniero Eléctrico de la Universidad de los Andes, con Maestría en Ingeniería Electrónica de la Pontificia Universidad Javeriana y doctorado en informática de la Universidad de Luxemburgo. Desde 2002, cuando obtuvo su grado de ingeniero se ha desempeñado como profesor e investigador en diferentes universidades del país, hasta el 2010 cuando empezo sus estudios de PhD y un contrato como investigador Junior de la Universidad de Luxemburgo hasta el 2014. Fue uno de los creadores de la idea y co-fundadores del proyecto Grid Colombia. Ha sido conferencista en sistemas distribuidos, computación en Grid y Cloud computing. Actualmente es investigador postdoctoral en la Universidad de los Andes y consultor en Cloud, HPC y algoritmos energy-efficient para scheduling y resource allocation.

Mejorando el poder predictivo de los métodos de pronóstico de CHURN a través de la segmentación de los clientes

Existen varios métodos que pueden ser usados para generar perfiles de clientes, tales como ANOVA, POSANOVA, arboles de decisión, categorización de variables; igualmente hay varias variables que son de interés a los investigadores y líderes, variables como el churn, los accidentes, eventos de compras y la calidad de los pagos de los deudores entre otras. La metodología final que se debe usar para cada pronóstico depende de cada situación particular, teniendo en cuenta la información con la que se cuenta, el tiempo y los recursos disponibles. Este trabajo explica un caso exitoso del uso de métodos de segmentación y pronostico aplicados al pronóstico de churn, explicando en el proceso el porqué de cada uno de los factores que se tuvieron en cuenta al diseñar la metodología. El uso de la nueva metodología mejoró la precisión del pronóstico, permitiendo un pronóstico diario de alta precisión, que al mismo tiempo del desarrollo fue automatizado y puesto en producción con muy buenos resultados.

Presentador: Darwin Amézquita Guzmán

Darwin Amézquita actualmente es Jefe en la gerencia de Decision Analytics en Directv, liderando el equipo de churn involuntario; anteriormente trabajó como director de modelos en el Banco Colpatria/Scotia. Su experiencia esta en las áreas de riesgo de crédito, gestión de cobranza, minería de datos y machine learning. Ha presentado papers contributivos en el Foro Global de SAS del 2012, 2013 y 2015, adicionalmente presentó un paper en la conferencia de Analytics de SAS en Las Vegas –Nevada en el 2013. Amezquita tiene un título de Pregrado y Maestría en Economía en la Universidad de Los Andes (Colombia).

Patrocinado por: Toptal (http://www.toptal.com/)

Toptal is a marketplace where start-ups, businesses, and organizations connect with top software developers. Toptal is a large and rapidly growing network comprised of the most thoroughly screened, talented freelance engineers and designers in the world.

Colombia.AI

Juan Sebastian Neiza M.

Alejandro Correa Bahnsen

Javier Rey

Andrea Higuera Araque

Machine Learning & Data Science | Bogotá

Technology

Deep Learning

Data Analytics

Machine Intelligence

Machine Learning

Big Data

Data Science

Artificial Intelligence

Data Mining

Web Analytics

NoSQL

Data Visualization

Algorithms

Neural Networks

Tendencias en Cloud Computing  + Modelos para el Pronóstico del Churn

Universidad EAN

Compartir

Machine Learning & Data Science | Bogotá

Tendencias en Cloud Computing + Modelos para el Pronóstico del Churn

Machine Learning & Data Science | Bogotá

Detalles

Los miembros también están interesados en