Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 200 vistas

    Clase 0 - Introducción A La Ciencia de Datos

    Cargado por

    Juan Cortez Zamar
    Este documento presenta una introducción a la ciencia de datos. Explica la definición de ciencia de datos, los roles dentro de un equipo de datos y las habilidades necesarias para cada rol. También describe el ciclo de vida típico de un proyecto de ciencia de datos, incluidas etapas como la recolección y preprocesamiento de datos, el modelado, la evaluación y el despliegue.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Clase 0 - Introducción A La Ciencia de Datos

    Cargado por

    Juan Cortez Zamar
    200 vistas61 páginas
    Este documento presenta una introducción a la ciencia de datos. Explica la definición de ciencia de datos, los roles dentro de un equipo de datos y las habilidades necesarias para cada rol. También describe el ciclo de vida típico de un proyecto de ciencia de datos, incluidas etapas como la recolección y preprocesamiento de datos, el modelado, la evaluación y el despliegue.

    Descripción original:

    Clase 0 de coderhouse de la carrera data scientist

    Título original

    Clase 0 - Introducción a la ciencia de Datos.pptx

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta una introducción a la ciencia de datos. Explica la definición de ciencia de datos, los roles dentro de un equipo de datos y las habilidades necesarias para cada rol. También describe el ciclo de vida típico de un proyecto de ciencia de datos, incluidas etapas como la recolección y preprocesamiento de datos, el modelado, la evaluación y el despliegue.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    200 vistas61 páginas

    Clase 0 - Introducción A La Ciencia de Datos

    Cargado por

    Juan Cortez Zamar
    Este documento presenta una introducción a la ciencia de datos. Explica la definición de ciencia de datos, los roles dentro de un equipo de datos y las habilidades necesarias para cada rol. También describe el ciclo de vida típico de un proyecto de ciencia de datos, incluidas etapas como la recolección y preprocesamiento de datos, el modelado, la evaluación y el despliegue.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 61

    ¡Les damos la

    bienvenida!
    ¿Comenzamos?
    Esta clase va a ser
    grabada
    José López Jorge Ruiz David Silvera Franklin Zhunio Juan Demaestri
    Profesor Tutor Tutor Tutor Tutor
    Clase 0. DATA SCIENCE

    Introducción a la
    Ciencia de Datos
    Objetivos de la clase

    Comprender la definición de Data Science.

    Identificar los roles que cumplen las personas con


    el rol de Data Scientist.

    Identificar qué habilidades son importantes para


    poder cumplir con este cargo.
    MAPA DE CONCEPTOS
    ¿Qué hacen los DS?

    Ciencia de datos
    Habilidades
    necesarias

    Características de
    Transformación Digital la industria 4.0

    Introducción a la
    ciencia de datos
    Ciclo de vida de un
    proyecto de ciencia
    de datos

    Valor y retorno de la
    ciencia de datos

    Estrategia Data Driven


    Ciencia de
    Datos
    Definición
    Data Science
    Es un campo interdisciplinario que utiliza Es un campo que combina dominio del tema,
    métodos científicos, procesos, algoritmos y habilidades de programación y conocimiento
    sistemas con el fin de extraer conocimientos de matematicas y estadistica
    e insights de datos estructurados, no
    estructurados y semiestructurados.

    Fuente: Cambridge
    REEMPLAZAR
    POR IMAGEN
    Data Science
    Existen muchas
    creencias de que es lo
    que realmente hace un
    Data Scientist, es por
    esto a continuación
    aclararemos los roles
    que implica este cargo.
    ¿Qué hacen los
    científicos de Datos?
    ¿Qué hacen lo
    científicos de
    datos?
    Un flujo de trabajo típico para los Data Scientist es el
    siguiente:

    ✔ Entender el negocio
    ✔ Recolectar y Explorar los datos
    ✔ Preparar y procesar los datos
    ✔ Crear y validar modelos
    ✔ Desplegar y monitorear performance de algoritmos
    ¿Qué habilidades
    requieren los científicos
    de Datos?
    ¿Qué habilidades
    requieren los
    científicos de
    datos?
    1. Inquisitivo: es una persona curiosa y algunas veces
    escéptica
    2. Conocimiento sólidos: en Machine Learning,
    computación, matematicas, estadistica y probabilidad
    3. Método científico: crea hipótesis, las pone a prueba y
    actualiza su entendimiento de los problemas
    ¿Qué habilidades
    requieren los
    científicos de
    datos?
    4. Habilidades en programación: es bueno realizando
    códigos, hacking y en la programación en general
    5. Productos orientados: sabe como desarrollar productos
    asociados a data y visualizaciones para hacer los datos más
    entendibles para cualquier persona
    6. Conocimiento del dominio: entiende los negocios y
    cómo contar historias interesantes (Storytelling), es capaz
    de responder preguntas.
    Data Team
    Data Team
    REEMPLAZAR Es el grupo de cargos (roles) dentro de una organización que
    POR IMAGEN se encargan de todo el proceso de manipulación,
    estructuración y generación de insights a partir de los datos
    disponibles. Está compuesto usualmente de 3 roles
    importantes:

    ✔ Data Scientist
    ✔ Data Engineers
    ✔ Data Analysts
    Data Scientist
    Es capaz de tomar proyectos de Data Science desde el REEMPLAZAR
    inicio al fin. Pueden almacenar grandes cantidade de POR IMAGEN
    información, crear modelos predictivos y presentar
    resultados.

    Skills: Matemáticas, Programación y Comunicación

    Software comúnmente usado: SQL, Python, R


    Data Engineers
    Son personas versátiles capaces de usar la ciencia de
    computación para procesar grandes cantidades de datos.
    Se enfocan en procesos de codigo, limpieza de datos e
    implementar solicitudes de los data Scientists

    Skills: Matemáticas, Programación y Big Data

    Software comúnmente usado: Hadoop, NoSQL, Python


    Data Analysts
    Son personas que ayudan a otras personas dentro de la REEMPLAZAR
    compañía a entender solicitudes específicas por medio de POR IMAGEN
    gráficas y resúmenes numéricos.

    Skills: Estadística, Comunicación y Entendimiento del


    negocio

    Software comúnmente usado: Excel, Tableau, SQL


    Ciclo de vida de los
    proyectos en
    Ciencia de Datos
    Ciclo de vida de proyectos en la
    Ciencia de Datos
    Tenemos 9 etapas fundamentales: Explicaremos brevemente cada etapa a
    ✔ Entendimiento del problema continuación
    ✔ Recolección de datos
    ✔ Pre procesamiento de datos
    ✔ Analizando los datos
    ✔ Modelamiento
    ✔ Evaluación
    ✔ Generación de insights y reportes
    ✔ Despliegue
    ✔ Toma de decisiones
    1. Entendimiento
    del problema
    Se requiere tener claro el contexto de negocio que se
    analiza para poder responder las preguntas relevantes
    que puedan existir. Usualmente aplicamos Data Science
    para resolver 5 preguntas:

    ✔ ¿Cuanto o Cuentos? (Regresión)


    ✔ ¿Cual categoría? (Clasificacion)
    ✔ ¿Que grupo? (Clustering)
    ✔ ¿Es raro? (Detección anomalias)
    ✔ ¿Que opción deberíamos tomar
    (Recomendaciones)
    1. Entendimiento
    del problema
    Algunas preguntas que se han hecho algunos negocios útiles
    por ejemplo son:

    Uber: ¿Qué porcentaje del tiempo los conductores


    realmente conducen? ¿Qué tan estable es su ingreso?
    Oyo Hotels: ¿Cual es el promedio de ocupación de hoteles
    mediocres?
    Alibaba: ¿Cuáles son las ganancias por pie cuadrado de
    nuestros almacenes?
    2. Recolección de
    datos
    Los datos recolectados deben permitir resolver la(s)
    pregunta(s) problema(s) y pueden venir de diferentes
    fuentes, algunos ejemplos de fuentes de datos son:

    ✔ Formato plano (excel, CSV, Texto, XML, JSON)


    ✔ Bases de datos relacionales
    ✔ Bases de datos no relacionales
    ✔ Data de Web Scraping

    El concepto de Big Data implica Volumen (Terabytes),


    Velocidad (Data en Streaming) y Variedad (Estructurado,
    No estructurado y semi estructurada)
    3. Pre
    procesamiento de
    datos
    Se conoce como Data Wrangling y es la tarea que
    usualmente toma más tiempo. Aquí se entienden mejor los
    datos y se preparan para analisis posteriores.

    Limpiar datos esencialmente implica remover discrepancias


    de tus datos (nulos, outliers, duplicados).

    Es la etapa más importante en todo el cliclo ya que los


    modelos usualmente son tan buenos como los datos con los
    que son entrenados.
    4. Analizando los
    datos
    Se conoce como Exploratory Data Analysis (EDA) y no
    hay reglas exactas de como hacerlo.

    Se necesita de conocimientos en estadistica para


    presentar resúmenes numéricos y gráficas apropiadas
    de acuerdo a la naturaleza de las variables analizadas

    Existen diversos tipos de analitica de datos que se


    pueden aplicar de acuerdo con los datos y el problema a
    resolver.
    4. Analizando los
    datos
    1. Analitica descriptiva: que ha pasado en el pasado y
    tiene carácter meramente exploratorio
    2. Analitica preditiva: que podría pasar en el futuro, se
    pueden usar técnicas estadísticas o de Machine
    Learning para estimar el futuro
    3. Analitica Prescriptiva: que deberiamos hacer,
    podemos usar metodos de optimización o simulación
    para tomar decisiones y describir posibles resultados
    5. Modelamiento
    Es una de la etapas más interesantes (donde la magia
    ocurre). Se usa para encontrar patrones y
    comportamientos en los datos. Esto se puede lograr de
    dos formas usualmente

    1. Modelamiento descriptivo (No Supervisado): que


    nos permite encontrar grupos y patrones ocultos
    2. Modelamiento predictivo (supervisado): obtener
    predicciones futuras con base en información del
    pasado
    6. Evaluación
    En esta etapa se cuantifica el desempeño del modelo
    creado previamente. Para esto se dividen los datos en dos
    partes: train/entrenamiento (70%) que permiten calibrar
    los modelos y test/validación (30%) que permiten obtener
    las métricas correspondiente

    Las métricas elegidas varían de acuerdo al algoritmo elegido,


    existen medidas tanto para clasificación como para
    regresión
    7. Generación de
    Insights y
    reportes
    Se presentan los resultados a diferentes tipos de
    audiencia (tecnica y no técnica) a través de reportes o
    tableros, existen diferentes herramientas para esto:

    ✔ Tableau
    ✔ Power BI
    ✔ R- ggplot2, lattice, Shiny
    ✔ Python- Matplotlib, Seaborn, Plotly, Dash
    ✔ Kibana
    ✔ Grafana
    ✔ Spotfire
    8. Despliegue
    Se pone en producción (a disposición del público por
    ejemplo el equipo de ventas) la herramienta desarrollada en
    las etapas previas. Algunos Frameworks útiles son:

    1. Flask
    2. Django
    3. FastAPI

    Algunos proveedores en la nube son:

    1. AWS
    2. Azure
    3. Google Cloud
    9. Toma de
    decisiones
    En esta etapa es posible la toma de decisiones con base
    en insights. De igual forma al realizar el proceso podemos
    aprender de resultados positivos o negativos que
    puedan ocurrir

    Con toda esta información es posible tomar decisiones


    operativas con el fin de mejorar los diferentes procesos
    dentro de cualquier organización
    ☕
    Break
    ¡10 minutos y volvemos!
    Tipos de
    Data Science
    Clasificación
    Clasificación
    De acuerdo a la naturaleza de las tareas
    desarrolladas podemos tener dos tipos de ✔ Data Science para humanos
    Data Science, los cuales son: ✔ Data Science para máquinas
    Data Science para
    humanos
    Data Science para
    humanos
    La cual se refiere al uso de la información por parte de
    tomadores de decisiones como ejecutivos o managers.

    El rol del Data Scientist es por ende diseñar, definir e


    implementar métricas además de desarrollar e interpretar
    experimentos, crear dashboards y obtener inferencias
    causales para poder generar sistemas de recomendación
    Data Science para
    humanos
    Procesos que permiten el buen desarrollo de este proceso:

    ✔ Data analysis
    ✔ Data visualization
    ✔ Data Storytelling
    ✔ Entendimiento de negocio
    ✔ Capacidad de presentar
    ✔ Predicción de resultados deseados
    Data Science para
    máquinas
    Data Science para
    máquinas
    Donde los consumidores finales son máquinas que se
    alimentan de datos, modelos y algoritmos.

    Dependiendo del nivel de dificultad detrás se puede hablar


    de productos que se pueden desplegar en el sistema de
    producción o tambien pueden ser prototipos que se pueden
    optimizar
    Data Science para
    máquinas
    Procesos que permiten el buen desarrollo de este proceso:

    ✔ Modelamiento automático
    ✔ Inteligencia artificial
    ✔ ETL
    ✔ Data Engineering
    ✔ Software Engineering
    ✔ Arquitecturas de optimización
    Importancia de
    Data Science
    ¿Por qué la Ciencia de
    Datos es importante?
    ¿Porque la ciencia de datos es
    importante?
    Cada negocio tiene datos pero su valor
    comercial depende de qué tanto conocen Nos permite conocer mejor nuestros clientes,
    esos datos y puede ayudar a optimizar nuestros
    procesos con el fin de tomar mejores
    Data Science ha ganado importancia en decisiones
    tiempos recientes porque ayuda a
    incrementar el valor comercial de los datos
    disponibles y cómo se pueden utilizar para
    tomar ventaja respecto a los competidores
    Ejemplos de la vida real
    LYNA
    Recientemente han desarrollado una herramienta
    llamada LYNA para identificar cáncer de mama.

    Esto tumores pueden ser difíciles de detectar por el ojo


    humano especialmente cuando apenas se está
    desarrollando el tumor y es pequeño.

    El algoritmo desarrollado en LYNA tienen un accuracy de


    cerca del 99% a la hora de detectar este tipo de cáncer y
    a pesar de que se requiere de mejoras ya en algunos
    hospitales se usa.
    Clue
    Esta es una aplicación desarrollada en Alemania que utiliza
    Data Science con el fin de pronosticar los ciclos menstruales
    registrando diversas variables importantes.

    Los usuarios se les notifica cuando son fértiles en la cúspide


    de un periodo o en su defecto cuando tienen un riesgo
    elevado de padecer afecciones como embarazos ectópicos
    (ovulo fecundado crece fuera de cavidad principal del
    útero).
    UPS
    Utilizan Data Science para optimizar el transporte de
    paquetes. Para esto utilizan Herramientas de Planeación
    interconectada (NPT) que incorpora Machine Learning e
    IA para poder superponerse a las diferentes dificultades
    de la logística y ante adversidades climáticas

    A través de este sistema se sugieren rutas para la


    entrega de los diferentes paquetes, usando esta
    plataforma la compañia ha ahorrado entre 100 a 200
    millones de USD en 20210
    Moneyball-ING
    El club de fútbol Liverpool FC el cual es conocido por su
    exitoso presente ha utilizado Data Science para su beneficio.
    Al igual que el equipo Oakland A’s ha logrado conseguir muy
    buenos jugadores antes de que otros equipos ricos se den
    cuenta de que existen.

    Para esto utilizan un modelo que es capaz de cuantificar el


    desempeño de cada jugador teniendo en cuenta pases,
    velocidad, distancia recorrida e influencia general en
    asistencias y goles, así como su influencia en victorias.
    Airbnb
    La Ciencia de datos ayudó a renovar por completo la
    funcion de busqueda de Airbnb. antes se priorizaron los
    alquileres mejor calificados ubicados a cierta distancia
    del dentro de las ciudades, eso implicaba conseguir
    alquileres buenos pero no siempre en los mejores
    vecindarios

    Se resuelve este problema con un truco, el cual fue dar


    prioridad a los alquileres en lugares que tienen una alta
    densidad de reservas Airbnb, aunque aun hay algunas
    dificultades por mejorar
    Uber Eats
    El objetivo principal de este servicio es llevar la comida
    caliente lo más rápido posible. Para cumplir con esto utilizan
    Machine Learning, modelos estadísticos junto con un staff
    meteorológico.

    Con el fin de optimizar el proceso de delivery el equipo tiene


    que predecir como cada posible variable (desde tormentas
    hasta cumpleaños) impactan en el tráfico y el tiempo de
    cocina.
    Instagram
    Instagram utiliza la ciencia de datos para orientar sus
    publicaciones patrocinadas. Los cientificos de dato
    extraen informacion de Instagram y Facebook que tienen
    una estructura de seguimiento web exhaustiva sobre
    muchos usuarios.

    A partir de esto el equipo elabora algoritmos que


    convierten los me gusta y comentarios, uso de otras
    aplicaciones e historial web para generar predicciones de
    productos que podrían comprar
    Meta
    Meta usa la ciencia de datos de varias maneras, pero una de
    sus funciones más populares es la barra lateral "Personas
    que quizás conozcas", que aparece en la pantalla de inicio
    de la red social.

    Se basa en la lista de amigos, las personas con las que han


    sido etiquetados en las fotos y dónde han trabajado y
    estudiado. También se basa en "matemáticas" en donde la
    ciencia de redes es usada para el crecimiento de la red
    social de un usuario en función del crecimiento de las redes
    de usuarios similares.
    ¿Preguntas?
    CLASE N°0

    Glosario
    Data Science: campo interdisciplinario que Data Engineers: personas versátiles capaces
    utiliza métodos científicos, procesos, de usar la ciencia de computación para
    algoritmos y sistemas con el fin de extraer procesar grandes cantidades de datos. Se
    conocimientos e insights de datos enfocan en procesos de codigo, limpieza de
    estructurados, no estructurados y datos e implementar solicitudes de los data
    semiestructurados Scientists

    Data Scientist: persona que es capaz de Data Analysts: personas que ayudan a otras
    tomar proyectos de Data Science desde el personas dentro de la compañía a entender
    inicio al fin. Pueden almacenar grandes solicitudes específicas por medio de gráficas
    cantidade de información, crear modelos y resúmenes numéricos.
    predictivos y presentar resultados.
    Resumen
    de la clase hoy
    ✓ Cuarta Revolución Industrial
    ✓ El Ambiente de la Industria 4.0
    ✓ Transformación Digital
    ✓ Ciclo de vida de un proyecto de ciencia de datos
    ✓ Valor y retorno de la Ciencia de Datos
    Muchas gracias.

    También podría gustarte