Ciencia de Datos

Ciencia de Datos

1. Analisis de datos

   • Examinar datos, hallar hechos relaciones, patrones, para toma de decisiones
     • Ayuda en el proceso de comprender los datos y proporciona información necesaria del pasado para comprender lo que está sucediendo.
   • Análisis cuantitativo
     • Cuantifica patrones y correlaciones hallados en los datos. Análisis de datasets con base a técnicas estadísticas. Se utilizan para comparaciones numéricas.
   • Análisis cualitativo
     • Describe calidades en los datos por medio de palabras.

2. Analitica de datos

   • extraer conocimientos de datos, comprende procesos, herramientas para descubrir patrones
   • BIG DATA
     • ● Tecnología asequible y hardware básico
       • ● Procesamiento de transacciones en línea (OLTP)
         • Tipo de procesamiento de datos que consiste en la ejecución de transacciones Compras, entrada de pedidos, envío de mensajes de texto, finanzas actas
         • Incluye típicamente transacciones tipo CRUD (create, read, update, delete)
         • pocos registros
       • ● Procesamiento analitico en línea (OLAP)
         • Consultas con fines analíticos, Requieren menos frecuencia de acceso
           • ● No incluyen procesos de modificación o actualización de datos.
         • Almacenan datos agregados para ofrecer una capacidad rápida de reportes.
         • muchos registros
       • ● Extracción, transformación y carga (ETL)
         • Proceso para la extracción de datos de un sistema origen a un sistema objetivo.
         • ● Es el proceso mediante el cual se ingestan la mayoría de datos a un datawarehouse.
       • ● Bodegas de datos digitales (Data warehouse)
         • Sistema utilizado para reportería y análisis de datos.
         • Data marts - segmento de un datawarehouse
           • entidades y relaciones.
         • Tecnologías onpremise, Refiere a hardware local, donde los datos son almacenados en servidores locales
           • entidades y relaciones.
         • Generalmente se realizan procesos de ETL antes de realizar su cargue al data warehouse
     • TIPOS DE DATOS
       • ● Datos estructurados
       • ● Datos sin estructurar
       • ● Datos semiestructurados
       • Metadatos
         • técnicos, operacionales, negocio)
     • Tecnologías Big data
       • DATALAKE
         • Data de origen estructurado, semi estructurado y no estructurado.
         • ● ELT (extraer, cargar, transformar)
       • BASES DE DATOS NOSQL
         • ● Hardware básico. ● Alto rendimiento, ● Distribuido., ● Alta escalabilidad.
       • HADOOP
         • Procesamiento distribuido de grandes dataset de datos, por medio de clusters de computadores usando modelos simples de programación
   • Analítica es el proceso de explorar data del pasado para realizar decisiones apropiadas en el futuro mediante el uso de información valiosa.
     • Analítica descriptiva
       • Busca responder preguntas sobre eventos que ocurrieron en el pasado.
     • Analítica diagnóstica
       • Su objetivo es el determinar la causa de un evento ocurrido en el pasado
     • Analítica predictiva
       • Intenta predecir el resultado de un evento, basado en patrones y tendencias encontrados en datos históricos y actuales.
     • Analítica prescriptiva
       • Se construye a partir del resultado de la analítica predictiva, indicando acciones que deben ser tomadas.

3. Data SET

   • Conjuntos o grupos de datos relacionados que comparten los mismos atributos

4. Inteligencia de negocios

   • Conjunto de procesos, arquitecturas y tecnologías que convierte datos crudos en información de valor para la organización.

5. Grandes cantidades de datos por ser analizados., diversos programas, involucra ciencias de la computación, estadística, análisis de datos y entendimiento del negocio.

6. Minería de datos

   • ● Descubrir patrones ocultos en los datos. ● Resultados que soportan la toma de decisiones. ● Software complejo de de operar y mantener.
   • Habilidad multidisciplinaria que utiliza machine learning, estadística, AI, y tecnologías de bases de datos.

7. Inteligencia artificial

   • ● Artificial narrow intelligence
     • tareas simples o un número limitado de tareas
     • Captura parte de la inteligencia humana, pero falla al juntar todas las piezas necesarias para lograr un nivel humano
   • ● Artificial general intelligence
   • Es la ciencia y la ingeniería para hacer Máquinas, especialmente programas informáticos inteligentes, relacionado computadoras para comprender la inteligencia humana
   • Machine learning
     • da a la computadoras la capacidad de aprender sin ser explícitamente programado.
     • ● Entrenamiento y construcción de lógica basada en datos. Reconocimiento de números escritos a mano y de correos electrónicos, basados en el mismo tipo de algoritmo, pero entrenado con diferentes datos
     • Machine learning supervisado
       • Se busca predecir el valor de una variable (target) a partir de un conjunto de predictores (variables independientes
         • Aplicaciones: filtro de spam, deserción de clientes, fraude, precio, recomendaciones.
     • Machine learning no supervisado
       • No se requiere data previamente clasificada