DESARROLLO DE PROYECTOS EN CIENCIA DE DATOS

Még több ilyen

LA LÍRICA A TRAVÉS DEL TIEMPO

Szerző: Irma Guadalupe Valencia López

SUTURAS MECANICAS

Szerző: Mafe Lancheros

MODELO STRIPLING PITTS

Szerző: Angel De Oliveira

Intervención en crisis.

Szerző: Karen Valentina Garcia Salguero

DESARROLLO DE PROYECTOS EN CIENCIA DE DATOS

Sectores Aplicables

Productivo, académico, gubernamental, salud, etc

Impactos Logrados

Impacto en la innovación

Impacto en los costos

Impacto en la cultura organizacional

Impacto en la percepción del cliente sobre la empresa

Impacto en la privacidad y la ética

Impacto en la competitividad

Impacto en la gestión de recursos

Impacto en la relación con el cliente

Impacto en la eficiencia operativa

Impacto en la toma de decisiones de negocio

Resultados Obtenidos

Monitoreo y evaluación continua

Visualizaciones de datos

Modelos prescriptivos

Identificación de anomalías

Análisis de causas raíz

Mejoras en la toma de decisiones

Optimización de procesos

Análisis de tendencias

Detección de patrones y asociaciones

Segmentación de clientes

Modelos predictivos

Dificultades

▪Expectativas no realistas

▪Cambios en las condiciones del negocio o los datos.

▪Elección de la técnica del modelado adecuada.

▪Sobrecarga de datos.

▪Dificultad para integrar datos de diferentes fuentes.

▪Problemas de sobreajuste.

▪Representación sesgada.

▪Datos insuficientes.

▪Datos incompletos.

▪Falta de claridad en la definición del problema.

Ejecución del Proyecto

5. Revisar y mejorar

4. Implementar los resultados

3. Evaluar el modelo

precisión, recall, F1-score

2. Modelar

2.2 Entrenamiento y validación de modelos

2.1 Selección de algoritmos

1. Explorar los datos

Planeación del proyecto

Minería de datos

Preparación de los datos

Recolección de Datos

Tipos de datos

Fuentes de datos

formateo adecuado de los datos para que puedan ser utilizados en modelos analíticos.

Creación de nuevas variables derivadas

selección de variables relevantes

Limpieza y Preprocesamiento de Datos

Normalización y escalado de datos

Eliminación de valores nulos

Abordar Problema

Definición del Problema

Definir objetivos y métricas objetivo o de éxito

Identificar el problema a resolver