Impactos
Tipos de impactos que los proyectos de ciencia de datos pueden generar.
Académicos
Formación de estudiantes de distintos niveles académicos. Generación de publicaciones científicas.
Éticos
Manejo responsable de datos sensibles y toma de decisiones transparentes.
Ambientales
Aplicaciones que optimizan recursos y reducen el impacto ambiental.
Sociales
Generación de nuevas oportunidades de empleo y mejora en la prestación de servicios.
Económicos
Mejora en la eficiencia operativa, reducción de costos y aumento de ingresos por decisiones más acertadas.
Técnicos
Optimización de procesos, automatización y mejor gestión de datos.
Retos
Desafíos comunes en la etapas de un proyecto de ciencia de datos.
Complejidad de modelos y técnicas
Selección adecuada del modelo.
Interpretación y comunicación de resultados
Traducir resultados complejos a términos comprensibles para la toma de decisiones.
Escalabilidad
Ajuste de modelos para manejar grandes volúmenes de datos o nuevas fuentes de información.
Calidad y disponibilidad de datos
Dificultades para acceder a datos limpios y estructurados.
Aspectos Estructurales
Definir los objetivos del proyecto. Formular las preguntas claves y los requerimientos para responderlas.
Etapas fundamentales de un proyecto de ciencia de datos.
Medición del Resultado
Desarollo y Modelado
Transformación de datos en información
Identificación del Problema
Aplicar modelos para obtener resultados que guíen la toma de decisiones necesarias para responder al objetivo.
Preparar, limpiar y transformar los datos en estructuras adecuadas para su análisis.
Evaluar el impacto de las decisiones basadas en datos.
Proyectos en Ciencia de Datos Daniel Badillo Mojica
Aspectos Procedimentales
Actividades que se llevan a cabo en un proyecto de ciencia de datos.
Implementación
Monitoreo
Despliegue del modelo
Planificicación de la implementación
Evaluación y validación
Interpretación de resultados
Evaluación resultados (estadísitcos o evaluación de expertos o pares)
Simulación del modelo con diferentes muestras
Modelado
Aplicación de los modelos
Diseño de criterios de evaluación
Construcción del modelo
Selección de técnicas
Análisis exploratorio
Visualización exploratoria
Generación de estadísticas descriptivas
Identificación de relaciones
Preparación de datos
Construcción de variables
Estandarización
Limpieza de datos
Recolección de datos
Planeación
Revisión de requerimientos de datos
Revisión de antecedentes
Definición de los objetivos
Entendimiento del proyecto
