A2 IB - Introducción a Data Science

Introducción a Data Sciene

Se le conoce así al campo interdisciplinario que utiliza métodos científicos, procesos, algoritmos y sistemas para extraer conocimiento e información valiosa a partir de datos. Combina áreas como estadística, matemáticas, programación, aprendizaje automático e inteligencia artificial para analizar grandes volúmenes de datos y tomar decisiones basadas en ellos.

^{Se debe leer el concepto, analizarlo y responder en las cajas de texto el concepto en idioma inglés.}

Introducción a Data Science.

¿Qué tecnologías o lenguajes de programación se utilizan en el mundo de las ciencias de datos?

^{Se debe leer la pregunta, analizar y seleccionar las respuestas dentro de las opciones.}

• Python

• R

• SQL

• Power BI

• Tableu

Introducción a Data Science.

Aplicaciones de Ciencia de Datos en la actualidad en el área de Análisis de datos (Data Anaylisis).

^{Se debe leer la pregunta, analizar y seleccionar la o las respuestas dentro de las opciones.}

• Detección de fraudes en transacciones bancarias

• Monitoreo de salud con Wearables

• Recomendaciones de productos en tiendas virtuales

• Detección de Spam en correos electrónicos

• Asistentes de voz como Alexa y Siri

Introducción a Data Science.

Aplicaciones de Ciencia de Datos en la actualidad en el área de IoT (Internet de las Cosas - Internet of Things).

^{Se debe leer la pregunta, analizar y seleccionar la o las respuestas dentro de las opciones.}

• Detección de fraudes en transacciones bancarias

• Monitoreo de salud con Wearables

• Recomendaciones de productos en tiendas virtuales

• Detección de Spam en correos electrónicos

• Asistentes de voz como Alexa y Siri

Introducción a Data Science.

Aplicaciones de Ciencia de Datos en la actualidad en el área de Machine Learning (Aprendizaje de máquina).

^{Se debe leer la pregunta, analizar y seleccionar la o las respuestas dentro de las opciones.}

• Detección de fraudes en transacciones bancarias

• Monitoreo de salud con Wearables

• Recomendaciones de productos en tiendas virtuales

• Detección de Spam en correos electrónicos

• Asistentes de voz como Alexa y Siri

Introducción a Data Science.

Aplicaciones de Ciencia de Datos en la actualidad en el área de Deep Learning (Aprendizaje profundo).

^{Se debe leer la pregunta, analizar y seleccionar la o las respuestas dentro de las opciones.}

• Detección de fraudes en transacciones bancarias

• Monitoreo de salud con Wearables

• Recomendaciones de productos en tiendas virtuales

• Detección de Spam en correos electrónicos

• Asistentes de voz como Alexa y Siri

Introducción a Data Science.

Esta fase de la Ciencia de Datos incluye tomar información de diversas fuentes como Bases de Datos, API's, sensores IoT, archivos CSV, etc.

Se utilizan tecnologías como SQL, NoSQL, Apache Kafka y Data Lakes..

^{Se debe leer la pregunta, analizar y seleccionar la respuesta dentro de las opciones.}

• Data Collection & Storage
  ^{(Recolección y Almacenamiento de Datos)}

• Data Preparation

  ^{(Preparación de Datos)}

• Exploration & Visualization

  ^{(Exploración y Visualización de Datos)}

• Experimentation & Prediction

  ^{(Experimentación y Predicción)}

Introducción a Data Science.

En esta fase de la Ciencia de Datos se transforma y estructura la información previa al análisis. Incluye tareas como valores faltantes, datos duplicados, normalización, conversión de formatos, etc.
Se utilizan herramientas como Pandas (Python), DPLYR (R) y Spark.

^{Se debe leer la pregunta, analizar y seleccionar la respuesta dentro de las opciones.}

• Data Collection & Storage
  ^{(Recolección y Almacenamiento de Datos)}

• Data Preparation

  ^{(Preparación de Datos)}

• Exploration & Visualization

  ^{(Exploración y Visualización de Datos)}

• Experimentation & Prediction

  ^{(Experimentación y Predicción)}

Introducción a Data Science.

En esta fase de la Ciencia de Datos se analizan los datos para detectar patrones, correlaciones y tendencias. Se utilizan estadísticas descriptivas y visualización con herramientas como Matplotlib, Seaborn, Tableu y Power BI para representar los datos de manera comprensible.

^{Se debe leer la pregunta, analizar y seleccionar la respuesta dentro de las opciones.}

• Data Collection & Storage
  ^{(Recolección y Almacenamiento de Datos)}

• Data Preparation

  ^{(Preparación de Datos)}

• Exploration & Visualization

  ^{(Exploración y Visualización de Datos)}

• Experimentation & Prediction

  ^{(Experimentación y Predicción)}

Introducción a Data Science.

En esta fase de la Ciencia de Datos se aplican modelos de Machine Learning o Deep Learning para hacer predicciones, clasificaciones o agrupamientos de datos. Se utilizan herramientas como Scikit-Learn, TensorFlow, PyTorch y AutoML.

^{Se debe leer la pregunta, analizar y seleccionar la respuesta dentro de las opciones.}

• Data Collection & Storage
  ^{(Recolección y Almacenamiento de Datos)}

• Data Preparation

  ^{(Preparación de Datos)}

• Exploration & Visualization

  ^{(Exploración y Visualización de Datos)}

• Experimentation & Prediction

  ^{(Experimentación y Predicción)}