IA y Datos

IA y Datos

1. Datos

   • Tipos de datos utilizados en IA
     • Estructurados
     • No estructurados
     • Semiestructurados
     • Datos de sensores
     • Datos de red y sociales
   • Recolección y almacenamiento de datos
     • Son procesos esenciales para el funcionamientos del sistema
       • Etapas:
         • Fuentes de datos
         • Métodos de recolección
         • Almacenamientos
         • Procesamiento y limpieza
   • Protección y privacidad de datos en IA
     • Es crucial adoptar medidas para proteger la información sensible y garantizar la privacidad de los individuos
       • Aspectos clave:
         • Regulaciones y cumplimientos: GDPR
         • Anonimización y pseudonimización
         • Cifrado (Prevenir accesos no autorizados)
         • Control de accesos (solo usuarios autorizados)
         • Transparencia y consentimiento (Obtener consentimiento explícito para el uso)
   • Cruciales por:
     • Entrenamiento de Modelos
     • Validación y prueba
     • Mejora continua
     • Personalización y adaptabilidad

2. Minería de datos

   • Proceso de descubrir patrones, correlaciones y tendencias significativas en grandes conjuntos de datos utilizando técnicas avanzadas de análisis
   • Técnicas:
     • Descripción de datos
     • Predicción de resultados
   • Conceptos básicos:
     • Patrones
       • Tendencias que se encuentran en los datos
     • Carcterísticas
       • Atributos en un conjunto de datos
     • Instancias
       • Registros en un conjunto de datos
     • Modelos
       • Estadísticas para identificar patrones en los datos
     • Preprocesamientos
       • Limpieza, tranformación y normalización de datos antes de aplicar las técnicas

3. Tratamientos de datos en la IA

   • Tecnicas de procesamiento de datos
     • Aseguran que los datos sean limpios, coherentes y adecuados para el analisis
       • Limpieza de datos: Técnicas
         • Imputación de valores faltantes
         • Eliminación de duplicados
         • Correción de errores
       • Tranformación de datos: Incluye
         • Normalización
         • Estandarización
         • Codificación
       • Agrupación y agregación
     • Reducción de dimensionalidad: Métodos
       • Análisis de competencias principales (PCA)
       • Análisis de correlación
   • Análisis y visualización de datos
     • Para extraer conocimientos valiosos y comunicar los hallazgos de manera efectiva. Principales técnicas y herramientas:
       • Análisis Exploratorio de Datos (EDA)
         • Descriptivas estadísticas
         • Visualización de datos
       • Modelos predictivos
       • Analísis de series temporales
       • Minería de datos
       • Visualización interactiva
       • Narrativa de datos
   • Transformar datos brutos en información util