Retos en ciencia de datos Activida 1

Lisää tämän kaltaisia

CRECIMIENTO Y DESARROLLO DEL NIÑO

luonut YASNA ANTONELLA PISFIL AZABACHE

VALORACIÓN FONOAUDIOLÓGICA DEL FRENILLO LINGUAL CORTO

luonut Eliana Rivera

MÉTODO EN TRABAJO SOCIAL CON CASOS.

luonut Pierina Briggitte Cevallos Arteaga

Modelo Pedagógico Ecléctico

luonut Sergio Reyes Ramos

Retos en ciencia de datos Activida 1 (Daniel Mendez)

IV. Conclusiones V. Referencias bibliográficas

Retos en la ciencia de datos

Actualización constante y aprendizaje continuo

Formación y capacitación en nuevas técnicas y herramientas

Avances tecnológicos en ciencia de datos

Interpretación y comunicación de resultados

Comunicación efectiva de los resultados

Visualización de datos

Privacidad y ética en la ciencia de datos

Consideraciones éticas en el uso de datos

Protección de datos personales

Análisis y procesamiento de datos

Algoritmos de procesamiento de datos

Herramientas y técnicas de análisis de datos

Recopilación y limpieza de datos

Técnicas de limpieza de datos

Métodos de recopilación de datos

Despliegue

DESAFÍOS Modelos que fallan en producción Cambio de patrones de datos en el tiempo

PUNTOS CLAVE Integración en sistemas empresariales Implementación de pipelines de datos Monitorización y mantenimiento

OBJETIVO Implementar el modelo en producción y monitorearlo

Evaluación

DESAFÍOS Métricas técnicas no equivalentes al éxito del negocio Modelos difíciles de explicar o interpretar

PUNTOS CLAVE Comparación con métricas definidas en la fase de comprensión del negocio Interpretación de los resultados Evaluación de riegos y su ética en el uso del modelo

OBJETIVO Determinar si el modelo cumple con los objetivos del negocio

Modelado

DESAFIOS Sobre ajuste / Desajuste Sesgo en los datos que impactan el modelo

PUNTOS CLAVE Selección del tipo de modelo Entrenamiento y evaluación inicial Ajuste de parámetros

OBJETIVO Aplicar algoritmos de machine learning o técnicas estadísticas para resolver el problema

Preparación de datos

DESAFIOS Errores en fase que afectan todo el pipeline

PUNTOS CLAVE Limpieza Transformación Creación de variables

OBJETIVO Limpiar, transformar y estructurar los datos para su uso

Compresión de datos

DESAFIOS Datos insuficientes Fuentes dispersas o no estructuradas

PUNTOS CLAVE Recolección de datos Exploración inicial EDA Evaluación de la calidad

OBJETIVO Explorar y evaluar la calidad de los datos

Comprensión del negocio

DESAFÍOS Falta de alineación con las partes interesadas

PUNTOS CLAVE Identifica el problema Define el objetivo del negocio Análisis del impacto esperado Identificación de recursos disponibles

OBJETIVO Define el problema a resolver desde la necesidad del negocio

Introducción