Ciencia de datos

Ciencia de datos

1. CONCEPTOS

   • ¿Qué es Ciencia de Datos?
     • La Ciencia de Datos es una disciplina, permite que los datos sean útiles
       • EJEMPLO:
         • En el 2015 el equipo femenil de ciclismo junto con IBM que era su patrocinador ese año, decidieron aliarce en la recolección de datos para la toma de decisiones para el equipo y asi ganar la mayor cantidad de competiciones asi como para definir un lider en el equipo, consiguiendo asi ganar los juegos olimpicos de rio de janeiro en ciclismo, usaron el big data al reunir centros de datos muy grandes, el analisis estadistico al interpretar los datos y al finol la ciencia de datos, pues permitio que los datos fueran utiles
       • ¿Cómo se relaciona la Ciencia de Datos con ambas películas?
   • ¿Qué es Analítica de Datos?
     • Un análisis computacional sistemático de datos o estadísticas que permite analizar todos sus datos a identificar patrones y generar conocimientos para informar y, en algunos casos, automatizar decisiones.
       • EJEMPLO
   • ¿Qué es Big Data?
     • Se refiere a datos masivos y a menudo no estructurados que puede ocupar terabytes y petabytes de espacio de almacenamiento en diversos formatos, incluidos texto, vídeo, sonido, imágenes y más.
       • EJEMPLO

2. PELICULAS

   • Margin Call
   • The Big Short.
     • Ambas peliculas tratan de explicar los sucesos ocurridos en 2008 como una secuencia de muchos acontecimientos que al parecer no tienen relación entre si, pero al crear una base de datos o un modelo matematico con los datos adecuados se podian predecir los acontecimientos, aunque esto solo lo logran un numero reducido de personas que se vieron beneficiados por el buen analisis y razonamineto de los datos obtenidos, porque apesar de que los bancos tenian gente quizas mas especializada, probablemente las bases o modelos matematicos formados no eran tan buenos.Pero con los datos correctos, cualquier cosa es mesurable.

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

   • Comprensión del negocio.
     • Esta es la primera fase por donde debe comenzar todo proyecto de minería de datos, comprendiendo en profundidad el problema que se quiere resolver y estableciendo los requisitos y objetivos del proyecto desde una perspectiva empresarial para luego trasladarlos a objetivos técnicos y a un plan de proyecto.
   • Compresión de los datos.
     • Es esta fase se lleva a cabo la recolección y exploración inicial de los datos, con el objetivo de establecer un primer contacto con el problema. Esta fase suele ser crítica en el proyecto dado que un mal entendimiento de los datos tiene como consecuencia un aumento en el tiempo global del proyecto y también reduce las garantías de éxito.
   • Preparación de los datos.
     • La fase de preparación trata de seleccionar, limpiar y generar conjuntos de datos correctos, organizados y preparados para la fase de modelado. Esta es una fase sumamente crítica en un proyecto de minería de datos. Los errores en los datos que se pasan por alto y que no son resueltos en esta fase se trasladan hasta la fase de modelado, lo que genera una reducción en la exactitud de los modelos o incluso, es posible entregar al cliente resultados basados en datos que aún contienen errores no detectados.
   • Modelado.
     • En esta fase se lleva a cabo la creación de modelos de conocimiento a partir de los datos suministrados desde la fase anterior. Estos modelos de conocimiento pueden ser de distintos tipos, por ejemplo, se pueden crear modelos de clasificación o regresión con el objetivo de estimar o inferir el valor de una determinada variable.
   • Evaluación.
     • Si los modelos obtenidos cumplen con las expectativas de negocio, se procede a la explotación del modelo. Si no, se evalúa en esta fase si se procede a iterar nuevamente sobre los pasos anteriores con el objetivo de encontrar nuevos resultados.
   • Despliegue.
     • En esta última fase es donde se definen las estrategias para su implementación, monitorización y mantenimiento de los modelos. Esto nos ayudará a observar cualquier comportamiento irregular del sistema y corregirlo de forma que no provoque deficiencias en el servicio del cliente.

Imagens e arquivos do mapa