Ciencia de Datos

Ciencia de Datos

1. Disciplina que extrae conocimiento e información útil como patrones y relaciones ocultas en los datos

   • Tecnicas aplicadas
     • Estadística
     • Matemática
     • Informática
   • Importancia
     • Tomar decisiones informadas
     • Optimizar procesos
     • Crear modelos predictivos
     • Reducción de costos y tiempos
   • Ejemplos
     • Predicción de enfermedades
       • Un hospital utiliza un algoritmo para predecir la probabilidad de que un paciente desarrolle una enfermedad según sus datos médicos.
     • Detección de fraude
       • Un banco utiliza aprendizaje automático para detectar transacciones sospechas y evitar el fraude.

2. Big Data

   • Grandes conjuntos de datos que se procesan y se almacenan
     • Características
       • Volumen
         • Datos de gran tamaño
       • Variedad
         • Datos estructurados, semi-estructurados o no estructurados.
       • Veracidad
         • Es un desafio ya que los datos pueden ser inconsistentes, incompletos o erróneos.
       • Velocidad
         • Estos datos se generan a una velocidad alta.
     • Ejemplos
       • Sector salud
         • Registros médicos
         • Datos de investigación clinica
       • Sector finanzas
         • Transacciones bancarias
         • Datos de crédito

3. Analítica de Datos

   • Se encarga de analizar datos para responder preguntas específicas.
     • Tipos
       • Analítica Descriptiva
         • Datos historicos para entender el qué sucedió
       • Analítica Predictiva
         • Pronóstica que puede suceder
       • Analítica Prescriptiva
         • Recomendaciones
       • Analítica Diagnóstica
         • Por qué sucedió
     • Ejemplo
       • Un hospital busca mejorar la atención medica así que sigue este analítica:
         • 1. Análisis de datos de pacientes
           • 2. Informe de desempeño de hospitales
             • 3. Análisis de costos de atención médica
               • 4. Seguimiento de indicadores clave de salud (KPI)
                 • 5. Análisis de satisfacción del paciente

4. Relacion (Películas)

   • Ambas películas ocupan la ciencia de datos en beneficio para tomar decisiones financieras y poder identificar patrones-tendencias en los mercados.
     • Margin Call
       • En esta parte de la película hablan sobre un modelo matemático para predecir que pasara con sus inversiones.
       • Pero este modelo falla en predecir la crisis financiera del 2008.
     • The Big Short
       • En esta parte Michael Burry mientras hacia una estadística de los datos notó que había mucho flujo de dinero en hipotecas inmobiliaria, cosa que iba a provocar una crisis.
       • Por eso al identificar estos patrones tomaron la decisión financiera de apostar en contra de esta crisis inmobiliaria.

5. Metodología CRISP DM

   • • Metodología que marca las pautas, fase por fase, de que tenemos que resolver para la minería de datos o ciencia de datos.
       • 1. Entendimiento del negocio
         • • Identificación de los objetivos del negocio. • Evaluación de la situación. • Definición de los objetivos para la analítica minería de datos. • Desarrollo de un plan de trabajo.
         • ¿Cuál es la problemática? ¿Qué quiero encontrar? ¿Para qué son los datos recolectados?
       • 2. Entendimiento de los datos
         • • Recolección de los datos. • Descripción de los datos. • Exploración de los datos. • Verificación de la calidad de los datos.
         • ¿Los datos recolectados así me sirven? ¿Qué representa cada columna de datos?
       • 3. Preparación de los datos
         • • Selección de los datos. • Limpieza de los datos (eliminar errores o excluir o remplazar datos). • Construcción de los datos (inclusión o agregación de datos). • Integración de los datos.
         • Convertir mis datos a lo que necesito en mi procesador.
       • 4. Modelación de los datos
         • • Selección de la técnica de modelación. • Diseño de pruebas. • Construcción del modelo. • Evaluación del modelo.
         • Aquí sucede la regresión lineal y diseñar mi algoritmo.
       • 5. Evaluación
         • •Evaluación de los resultados. • Revisión del proceso o procesos. • Determinación de los siguientes pasos de acción.
         • Aquí se determina la confiabilidad de mis resultados.
       • 6. Despliegue
         • • Planeación del monitoreo y mantenimiento. • Reporteo de los resultados finales. • Revisión de los resultados finales.
         • Ponerlo en un lugar donde todos lo puedan usar e interactuar con él.
       • Ejemplo
         • • Objetivo:
             • Predecir las propinas que recibirán los conductores por día, por semana o incluso por mes.
           • Datos:
             • Cantidad de propinas por conductor, horarios, tipo de cliente, código postal, colonia, coordenadas.
           • Modelación:
             • Utilizar la técnica de regresión para predecir el número de propinas que obtiene un conductor.
           • Evaluación:
             • Se comparan las propinas que se predicen con los reales.
           • Despliegue:
             • Se sube a un programa para que los conductores puedan acceder a ella.

Imágenes y archivos del mapa