DATOS

DATOS

1. Clustering

   • Modelos de detección de anomalías: encuentran datos atípicos y almacenan info sobre el patrón normal
     • DB SCAN: Density based, spatial clustering of aplications with noise
       • eps (epsilón)(R), se considera la distancia entre puntos para formar un grupo. Si es muy grande, todos los puntos pueden hacer un grupo, si es demasiado pequeña, puede que no haga grupo
       • Min_points= # mínimo de puntos para hacer un clúster

2. Graficación

   • Plotline (ggplot) herramienta de graficación
   • Herramientas de visualización: tableu, flourish, knime, infogram, data driven
     • En pythom: matplotlib, seaborn, bokeh,ploty
   • Storytelling: hacer que los datos cuenten algo
     • Objetivo Contenido Estructura Formato
     • Principios
       • Facilidad de acceso y uso de la interfaz

3. BIG DATA

   • 4v Volumen Velocidad Variedad Veracidad
   • Ingesta, procesamiento limpieza análisis
   • Data Mining, Analítica predictiva, machine learning, deep; learning text mining
   • Apache Spark, unifica el procesamiento utilizando python, SQL, Scala, java y R
     • Spark SQL: Datos estructurados
     • Pandas API: Trabajo basado en pandas
     • Spark streaming: Análisis en streaming spark
     • MLib: Machine learning escalable
   • Apache spark permite procesar utilizando diferentes lenguajes
     • Spark SQL: Datos estructurados
     • Pandas API: Trabajo basado en pandas
     • Spark streaming: Analizar los datos en streaming
     • MLlib: Machine learning escalable para entrenar modelos a gran escala
     • Spark core: conjunto distribuido resistente y capacidades en memoria

4. Cluster (procesamiento)

   • Conjunto de servidores o nodos conectados para trabajar como unidad
     • Procesamiento en paralelo: ejecución simultánea, una sola máquina con muchos procesadores

5. Base NoSQL, base no relacional

6. Inteligencia Artificial: Técnica que permite simular el comportamiento humano

   • Machine learning: Habilidad de aprender sin ser programado
     • Deep Learning: Extraer patrones de datos usando redes neuronales

7. Analítica

   • Descriptiva: Exploración y descubrimiento de información
   • Predictiva: Predicción basada en datos históricos
   • Prescriptiva: Escenarios para apoyar una decisión
   • PLN o NLP procesamiento de lenguaje natural
     • Interacciones entre computadoras y lenguaje humano
     • Preprocesamiento
       • Tokenization (segmentación de palabras)
       • Lemmatization (unificación de términos)
       • Normalización: uniformidad del texto, quitar tildes, puntos, acentos, mayúsculas, etc.
       • Extracción de características
         • N-grama, permite hacer predicción estadística del próximo elemento
         • Tf-idf: Frecuencia de término, determina cuán relevante es una palabra para una colección
     • UMLS unified medical language system
   • Minería de procesos
     • Descubrimiento: toma un registro de eventos y produce un modelo de proceso
     • Conformidad: Proceso existente que se comprara con un registro de eventos del mismo proceso
     • Mejora de procesos: La idea es mejorar el modelo existente
     • BPMN Busineess Process Model and Notation
       • Lenguaje de modelado basado en flujos de trabajo, actividades y actores
     • YAWL (yet another workflow language)
       • Lenguaje de modelado de flujo de trabajo y un sistema de flujo de trabajo de código abierto
     • Red de petri
       • Representación matemática o gráfica de un sistema de eventos discretos
     • LOG: Registro de eventos
       • Limitantes: Ruido e incompletitud

8. Tipos de datos en salud

   • Redes sociales
   • Sensores
   • Biométricos
   • Transaccional
   • Generados por humanos

9. Técnicas de minería de datos

   • Regresión: Estima la relación entre las variables
   • Clasificación: Mapea clases según características
   • Clustering: Grupos y categorías
   • Detección de anomalías: Patrones atípicos
   • Análisis BD:
   • Detección de patrones: identificación en datos secuenciales

10. Riesgos en proyectos de analítica de datos

    • Seguridad de los datos
    • Costos excesivos
    • Privacidad de los datos
    • Falta de madurez analítica
    • Problemas de calidad de los datos
    • Capacidad organizacional para proyectos de analítica
    • Entidades encargadas
      • Europa GDPR
      • Colombia: Constitución; Dec 886 de 2014; Dec 1377 de 2013 y Ley 1581 de 2012
      • En salud HIPAA Health Insurance Portability and Accountability Act
    • Principios de la seguridad de la información
      • Confidencialidad; integridad; Disponibilidad; autenticidad; No repudio