Ciencia de Datos e Inteligencia Artificial

Ciencia de Datos e Inteligencia Artificial

1. Ciencia de Datos

   • Diferencia entre Estadística y Ciencia de Datos
     • Estadística consiste en el estudio de la recolección, análisis, interpretación, presentación y organización de datos; mientras que la ciencia de datos es la extracción general de conocimiento a partir de información, de datos.
   • Diferencias
     • Un enfoque más global, Data Science (Ciencia de Datos) se centra extraer conocimiento a partir de datos
   • Científico de Datos
     • Profesional que se concentra en la minería de los datos , estructuradas y no estructuradas; con el objetivo de identificar patrones
     • ¿Qué puede hacer?
       • Estudiar las diversas fuentes de información disponibles en una organización
       • Extraer datos a partir de diversos formatos de bases de datos relacionales y no relacionales como de muchos otros tipos y fuentes.
       • Analizar los datos, idear y desarrollar algoritmos, realizar inferencias, preparar y comunicar los resultados de dichos análisis y ser capaz de transmitir conclusiones para tomar mejores decisiones.
   • Es multidisciplinar; es decir, que tiene relación con varias ramas científicas o culturales, o que están compuestas de ellas
   • Ideas
     • Almacenar datos cada vez es más barato
     • Persigue el conocimiento y la predicción a traves de ellos
     • Es mucho mas que una parte de la estadística
     • Cada vez se crean más datos
     • Cada vez hay más herramientas de análisis

2. BIG DATA

   • Grandes cantidades de datos que sobrepasan la capacidad del software normales; para ser procesadas y almacenadas durante un tiempo
   • ¿Qué no son?
     • No son datos masivos, sino la capacidad para extraerlos y usarlos para obtener información
   • 5 Características
     • Las 5 "V"
       • Volumen
         • Cantidad de datos cuando su almacenamiento, procesamiento y explotación empieza a ser un reto para una organización.
       • Velocidad
         • Ritmo al cual los datos se generan
       • Variedad
         • Diversidad de los diferentes datos
           • Vital para la riqueza de los datos; y aumenta la complejidad de su almacenamiento, procesamiento y análisis.
       • Veracidad
         • Los datos tienen que ser fiables
       • Valor
         • Los datos y el análisis tienen que generar un beneficio para las empresas
   • Tipos
     • Estructura
       • Ejemplos
         • Estructurados
           • Datos como las bases de datos relacionales que están definidos por su formato, tamaño y longitud.
         • Semiestructurados
           • Datos con una estructura flexible
             • XML
             • HTML
             • JSON
             • Hojas de cálculo
               • Excel
               • CSV
         • No estructurados
           • Datos sin formato específico
             • Ficheros de Texto
               • WORD
               • PDF
               • Correos Electrónicos
             • Contenido Multimedia
   • ¿Para qué sirve?
     • Marketing
       • Segmentación Clientes
     • Deportes
       • Optimización Rendimiento
     • Salud Pública
       • Decodificación Material Genético
     • Nuevas Tecnologías
       • Desarollo dispositivos autónomos
     • Seguridad
       • Detección y prevencción crímenes
   • Heramientas
     • Hadoop
       • Gestiona, Analiza y Procesa datos
     • NoSQL
       • Sistemas que no utilizan el estándar SQL
     • Spark
       • Para escribir aplicaciones sobre
         • Java
         • R
         • Python
         • SQL
     • Storm
       • Sistema de computación distribuido de código libre.
     • Hive
       • Facilita la lectura, escritura y administración de grupos grandes de datos
     • R
       • Análisis con diferentes bases de datos

3. INTELIGENCIA ARTIFICIAL

   • MACHINE LEARNING
     • ¿Qué es?
       • Es el diseño y estudio de las herramientas informáticas que utilizan la experiencia pasada para tomar decisiones futuras
     • Combina conceptos y técnicas de diferentes áreas del conocimiento
       • Matemáticas
       • Ciencias de la computación
       • Estadísticas
     • ¿Para qué se usa?
       • Motores de búsqueda
       • Diagnósticos Médicos
       • Juegos y Robótica
       • Detección fraude en las tarjetas de crédito
       • Análisis de Mercado
       • Reconocimiento del habla y del lenguaje escrito
       • Clasificación Secuencias ADN
     • Tipos
       • Aprendizaje Supervisado
         • Se enseña o entrena al algoritmo a partir de datos que ya vienen etiquetados con la respuesta correcta
       • Aprendizaje No Supervisado
         • El algoritmo es entrenado usando un conjunto de datos que no tiene ninguna etiqueta y la idea principal es que el algoritmo pueda hallar el patrón para que entiendan los datos.
       • Aprendizaje por refuerzo
         • El algoritmo aprende observando el mundo que le rodea, aprende a base de ensayo-error.
     • Pasos para construir un modelo
       • 1. Recolectar datos
       • 2. Reprocesar los datos
       • 3. Explorar los datos
       • 4. Entrenar el algortimo
       • 5. Evaluar el algoritmo
       • 6. Utilizar el modelo
   • DEEP LEARNING
     • En deep Learning, las variables significativas las debe encontrar el propio modelo
     • Iris
       • Dataset Iris
         • Le integramos al algoritmos 4 características
     • Rendimiento
       • No se estanca, cuantos más datos le integres al algoritmo mejor.
     • Tipos
       • Supervisado
         • Se enseña o entrena al algoritmo a partir de datos que ya vienen etiquetados con la respuesta correct
       • No supervisado
         • El algoritmo es entrenado usando un conjunto de datos que no tiene ninguna etiqueta y la idea principal es que el algoritmo pueda hallar el patrón para que entiendan los datos.
       • Por refuerzo
         • El algoritmo aprende observando el mundo que le rodea, aprende a base de ensayo-error
       • Dataset MNIST
     • Funcionamiento
       • Redes Neuronales