CIENCIA DE DATOS

CIENCIA DE DATOS

1. ¿Qué es la ciencia de datos?

   • La Ciencia de Datos es un campo interdisciplinario que involucra la aplicación de métodos, procesos, algoritmos y sistemas para extraer conocimiento y perspectivas de datos estructurados y no estructurados.
     • El objetivo principal de la Ciencia de Datos es resolver problemas complejos y tomar decisiones basadas en datos en diversas áreas, como la industria, la ciencia, el gobierno, la salud, el deporte y más. La Ciencia de Datos se enfoca en el ciclo de vida completo de los datos, desde la captura y almacenamiento hasta la visualización y comunicación de resultados.
   • Ejemplos de aplicación de la Ciencia de Datos:
     • Análisis de sentimiento de las redes sociales para comprender las opiniones de los clientes sobre un producto.
     • Análisis de datos de sensores en un automóvil para mejorar el rendimiento y la seguridad.
     • Modelado predictivo para predecir el comportamiento del mercado y optimizar las inversiones.

2. ¿Qué es la analítica de datos?

   • es un proceso de examinar datos para obtener información útil y hacer recomendaciones basadas en esa información. La Analítica de Datos se enfoca en el análisis de datos estructurados y se basa en técnicas estadísticas y matemáticas para descubrir patrones y tendencias en los datos.
     • La Analítica de Datos es una parte integral de la Ciencia de Datos, pero se enfoca específicamente en la transformación de datos en información útil para tomar decisiones informadas.
   • Ejemplos de aplicación de la Analítica de Datos:
     • Análisis de ventas y marketing para comprender el comportamiento de compra del cliente y mejorar la efectividad de las campañas publicitarias.
     • Análisis de la satisfacción del cliente para identificar problemas y mejorar la calidad del servicio al cliente.
     • Análisis de riesgo de crédito para evaluar el riesgo de impago de un préstamo.

3. ¿Qué es Big Data?

   • se refiere a grandes conjuntos de datos que son demasiado grandes y complejos para ser procesados por herramientas de procesamiento de datos tradicionales. El Big Data se caracteriza por su volumen, velocidad y variedad.
     • Los datos pueden ser estructurados, semi estructurados o no estructurados y se generan a partir de una amplia variedad de fuentes, como sensores, redes sociales, transacciones en línea, imágenes y más. El análisis del Big Data implica el uso de herramientas de análisis de datos avanzadas para extraer información útil y tomar decisiones informadas.
   • Ejemplos de aplicación del Big Data:
     • Análisis de la actividad de las redes sociales para comprender el comportamiento de los clientes y las tendencias del mercado.
     • Análisis de registros de transacciones financieras para detectar fraudes.
     • Análisis de datos médicos para mejorar la atención al paciente y la eficiencia del sistema de salud.

4. ¿Cómo se relaciona la Ciencia de Datos con ambas películas?

   • Margin Call
     • La película tiene una relación directa con la ciencia de datos ya que se centra en un equipo de analistas financieros que descubren que su empresa está en peligro de sufrir grandes pérdidas debido a un problema en sus modelos financieros y es ahi cuando mencionan la importancia de la comprensión de datos y su impacto en la toma de decisiones empresariales. En la película, los actores utilizan técnicas y herramientas de análisis de datos avanzadas para evaluar la exposición de la empresa al riesgo y las posibles opciones para minimizar las pérdidas. Los personajes también discuten la necesidad de tener una comprensión completa de los datos y modelos financieros para tomar decisiones informadas.
   • The Big Short
     • La ciencia de datos se relaciona a través del análisis de datos financieros y la toma de decisiones informadas basadas en ese análisis. Por ejemplo, uno de los personajes utiliza la ciencia de datos para analizar patrones en los datos de préstamos hipotecarios y determinar que la calidad de estos préstamos estaba disminuyendo y que el riesgo de incumplimiento era alto. En otro ejemplo de la pelicula, otro personaje utiliza técnicas de minería de datos para encontrar patrones en los valores de los bonos respaldados por hipotecas y determinar que estos valores eran demasiado altos en relación con el riesgo real.

5. Las 6 fases de la Metodología CRISP DM para Ciencia de Datos

   • Entendimiento del negocio
     • En esta fase se identifica y define el problema a resolver, así como los objetivos del proyecto. Se realiza una exploración inicial de los datos disponibles y se evalúa su calidad y relevancia.
   • Entendimiento de los datos
     • En esta fase se recopila y se analiza más profundamente la información disponible. Se identifican las características relevantes y se exploran las relaciones entre ellas.
   • Preparación de los datos
     • En esta fase se preparan los datos para el análisis, lo que puede incluir limpieza, integración, transformación y selección de variables. También se pueden realizar técnicas de reducción de la dimensionalidad para simplificar la información.
   • Modelación de los datos
     • En esta fase se construyen modelos predictivos o descriptivos utilizando técnicas de aprendizaje automático y estadísticas. Se ajustan los modelos y se evalúan su rendimiento y precisión.
   • Evaluación
     • En esta fase se evalúan los modelos construidos en términos de su capacidad para cumplir los objetivos del proyecto. Se puede comparar el rendimiento de diferentes modelos y ajustarlos según los resultados.
   • Despliegue
     • En esta fase se implementa la solución final, se documentan los resultados y se realiza una revisión final del proyecto. También se puede planificar el seguimiento y mantenimiento del proyecto en el futuro.

Imagens e arquivos do mapa