MÓDULO I: INTRODUCCIÓN A LA ANALÍTICA DE TEXTO

1. Conceptos Básicos de Analítica de Texto y mapa de proceso

· Definiciones

· Aplicaciones en Seguros

· Visualizaciones comunes de la minería de texto (Representaciones de texto estructurado)

2. Planeación del proyecto de análisis de textos

· Enfoques deductivos vs inductivos

· Universalidad y unidad de análisis

· Consideraciones iniciales de la planeación (Datos, Costos, Objetivos)

3. Preparación del texto

· Codificación y categorización

· Muestreo de texto

· Procesamiento de texto

· Estandarización y limpieza de texto

4. Representación de datos estructurados

· Unir y Tokenizar

· Detección de frases y fitrado de palabras

· Análisis Semántico Latente (LSA)

· Análisis de la semántica latente (LSA)

· Toma de decisiones: Elección del número de dimensiones

MÓDULO II: INTRODUCCIÓN AL SOFTWARE (R / PYTHON)

1. Conceptos Básicos del Software

· Interfase Gráfica y uso de comandos

· análisis de descriptivo de datos

· Generación de gráficos y estadísticas descriptivas

· Visualizaciones comunes de la minería de texto (Representaciones

MÓDULO III: TÉCNICAS DE CLÚSTER Y ANALÍTICA DE TEXTO

1. Introducción, Distancia y Similaridad

· Tipos de clusters

· Tareas derivadas del cluster de texto

· Análisis de clúster jerárquico

· Análisis de k-means

· Implementación, Evaluación y Ajuste del clustering de texto

2. Estructuras ocultas: Agrupación, distancia de cadenas, vectores de texto y modelado de temas

3. Aplicación en Software: Segmentación de clientes con mayor siniestralidad

MÓDULO IV: ANALÍTICA DE TEXTO PREDICTIVA

1. Modelado predictivo: Uso del texto para clasificar y predecir resultados

· Clasificación vs Predicción

· Clasificación de Bayes (Naive Bayes)

· Redes Neuronales y Regresión Logística

· Árboles de decisión y Random Forest

· Máquinas de vectores de soporte (Support Vector Machines)

· Modelos KPIs: AUC, precisión y FI

2. Word Embeddings

· Determinar el contexto y la similitud de palabras

· Agregación de vectores de palabras

3. Aplicación en Software: Predicción de cancelación de pólizas

MÓDULO V: ANÁLISIS DE SENTIMIENTOS

1. Análisis de texto

2. Evaluación de emojis y polaridad

3. Aproximación Léxica

4. Aproximación por modelos predictivos

5. Aplicación en Software: Análisis de quejas de clientes por objeción de siniestros.