Scribd
Cargar
33 vistas1 página

Metodología de Ciencia de Datos en 10 Etapas

La metodología para ciencia de datos consta de 10 etapas que forman un proceso iterativo, comenzando con la comprensión del negocio y finalizando con la evaluación del modelo. Las etapas incluyen el enfoque analítico, requisitos y recopilación de datos, comprensión y preparación de los mismos, modelado y evaluación. Cada etapa es crucial para garantizar que el modelo desarrollado aborde efectivamente el problema de negocio planteado.

Cargado por

Dobeslao Hernández
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
33 vistas1 página

Metodología de Ciencia de Datos en 10 Etapas

La metodología para ciencia de datos consta de 10 etapas que forman un proceso iterativo, comenzando con la comprensión del negocio y finalizando con la evaluación del modelo. Las etapas incluyen el enfoque analítico, requisitos y recopilación de datos, comprensión y preparación de los mismos, modelado y evaluación. Cada etapa es crucial para garantizar que el modelo desarrollado aborde efectivamente el problema de negocio planteado.

Cargado por

Dobeslao Hernández
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

9

La metodología empleada para ciencia de datos, consta de 10 etapas que forman un


proceso iterativo para el uso de los datos se describe en J. B. Rollins (2015) como
sigue:

Etapa 1: Comprensión del negocio. Lograr obtener una definición del problema, los
objetivos del proyecto y los requisitos de la solución desde la perspectiva de negocio.

Etapa 2: Enfoque analítico. Expresar el problema bajo el contexto de técnicas


estadísticas y aprendizaje automático.

Etapa 3: Requisitos de datos. Determinado por el enfoque análitico se especificará los


requisitos de datos, que contemplan los contenidos, formatos y representaciones, de
acuerdo al dominio.

Etapa 4: Recopilación de datos. Identificar y reunir los recursos de datos disponibles (en
cualquier tipo, estructurado, no estructurado, semiestructurado) y que sean relevantes
para el dominio del problema.

Etapa 5: Comprensión de datos. Utilizar estadísticas descriptivas y técnicas de


visualización para obtener una comprensión del contenido de los datos. También se
aprovecha para evaluar su calidad.

Etapa 6: Preparación de datos. Permite construir el conjunto de datos, que será utilizado
en la siguiente etapa. Entre las actividades relevantes están la limpieza de datos,
combinar datos de múltiples fuentes y transformar los datos en variables de utilidad.
También se utiliza un proceso llamado ingeniería de características para crear variables
explicativas adicionales. Esta es la etapa que mayor tiempo suele requerir en los
proyectos de ciencia de datos.

Etapa 7: Modelado. Se enfoca en el desarrollo de modelos predictivos o descriptivos,


según sea el enfoque análitico previamente definido. Es posible que se realicen pruebas
con múltiples algoritmos y sus respectivos parámetros para encontrar el mejor modelo
con las variables disponibles.

Etapa 8: Evaluación. Previo a su implementación, se realiza la evaluación del modelo


para comprender su calidad y garantizar que se cubre el problema de negocio de forma

También podría gustarte