by Claudia Patricia Mendez Rativa 2 years ago
126
More like this
No dirigida
busca
Registros inusuales
utiliza
Reglas de asociación
Patrones generales
Variables de apoyo
Dirigida
Modelos explicativos
para encontrar
Patrones
Valores objetivos
Variables objetivo
Ciclo del procesamiento de datos
4. Medición y seguimiento
Medidas
Patrones de comportamiento
Validar el modelo
3. Toma de decisiones
requiere
Análisis exploratorio de datos
Descripción gr´áfica
Importancia de variables
para establecer
Modelamiento de respuestas
Categorización de variables
Encotrar grupos
Estimación de valores
2. Transforma los datos
depende de
Escalas de medición
Técnicas de mineria
Fuentes de datos
1. Identifica el problema
Convierte
problema de datos
define
Comprender comportamientos
Responder preguntas
Modelos estables
Teniendo en cuenta
Niveles de agregación
para no
Omitir información
confundir
Sesgos
llevan a
Información incorrecta
Patrones erroneos
Conjunto de datos
selección de
Muestras representativas
Extracción de datos
Ciencia de datos
se orientaa a generar
Información
Relación de variables
para construir
Puntajes y umbrales
para
Toma de decisiones
Respuesta a necesidades
Uso inteligente de datos
a partir de
Seguridad y servicio
Decisiones gubernamentales
Políticas públicas
Obtención de recursos
Trabajo colaborativo
Poder computacional
Se relaciona con
Selección de algoritmos
Tiempo de ejecución
y posible
Continuidad del proyecto
Calidad de datos
y
Curación de datos
Variables necesarias
Parámetros o modelos
por
Dificultad en programación
Calidad
Recursos relacionados
Acceso a la información
Modelos
Conexión
entre
Plataformas relacionales
Acceso
a
Datos sensibles
Diseño e implementación
debe verificar
Funcionalidad del modelo
frente a
Las necesidades
El contexto
Requiere
Orientarse al usuario final
Funcionalidad de herramientas
Desarrollos complementarios
adopta
Indicadores de medición
Modelo validado
Modelamiento
Tiene etapas de
Prueba
Mediante
Experimentación de modelos
para evaluar
Alcance
Grado de resolución
y realizar
Ajuste y seguimiento
Niveles de ajuste
en
Muestras de datos
Validación de datos
además de
Evaluación de variables
Diseño
incluye
Técnicas de anáilisis
Exploración de datos
mediante
Simulaciones
Modelos estadísticos
Para identificar
Validación de hipótesis
Patrones de datos
Estadística descriptiva
para identificar
Limitaciones en los datos
Análisis preliminar
Tendencias de los datos
Selección de la muestra
Modelo de gobernanza de datos
Estándares de metadatos
Disponibilidad
Preservación
Niveles de acceso
Confidencialidad
Ética
Identificación
de
Variables de análissi
Calidad de los datos
Tipos de datos
Fuente de datos
Formulación del proyecto
Se contempla
Planeación tecnológica
Herramientas
Plataformas de apoyo
Software
Modelos de integración de sistemas
Inteligencia artificial
Plataformas de análisis
Visualización
Procesamiento y limpieza
Estadísticos
Lenguajes de programación
Hardware
como
Equipos de computo
Servidores
Sistemas de información
Sistemas públicos
Sistemas externos
Sistemas internos
Bases de datos
Presupuesto
Imprevistos
Costos variables
Costos fijos
Planeación analítica
A partir de
Indicadores
Variables
Hipótesis
Objetivos
Equipo de trabajo
Incluye
Plan de trabajo
Contexto
Necesidades
