2024
FUNDAMENTOS DE CIENCIAS DE DATOS,
ANALÍTICA DE DATOS Y MINERÍA DE DATOS.
(MAPAS DE IDEAS).
WHERNNER DUBBETH GOMEZ RODRIGUEZ
INTRODUCCION
En la era digital, la explosión de datos ha transformado la manera en que entendemos el
mundo y tomamos decisiones. Se emergen como pilares fundamentales: Ciencias de Datos,
Analítica de Datos y Minería de Datos.
Las Ciencias de Datos representan el arte y la ciencia de convertir datos en conocimiento. Este
campo interdisciplinario fusiona la estadística, la programación y el aprendizaje automático
para explorar patrones, identificar tendencias y generar percepciones valiosas a partir de
datos complejos.
La Analítica de Datos va más allá de la mera observación; es el proceso de convertir datos en
acción. A través de técnicas como el análisis descriptivo, predictivo y prescriptivo, la Analítica
de Datos proporciona el marco necesario para entender el pasado, anticipar el futuro y,
finalmente, influir en decisiones estratégicas.
La Minería de Datos es la herramienta que permite descubrir joyas escondidas en el rico
yacimiento de datos. A través de algoritmos avanzados, la Minería de Datos revela patrones,
establece correlaciones y extrae conocimientos valiosos de grandes conjuntos de datos
La ciencia de datos no se trata solo de procesos y
técnicas para comprender diversos fenómenos a
través del análisis de datos, sino también de la
toma de decisiones y la interpretación del factor
humano, porque en última instancia, el objetivo es
mejorar el proceso de toma de decisiones
(Carrasco-Farré et al., 2022)
Reconocimiento de la
importancia de los
fundamentos en la toma de ¿QUE SE ENTIENDE POR FUNDAMENTOS
decisiones informadas
DE CIENCIA DE DATOS?
Comprensión de cómo los
conceptos básicos sustentan Conclusiones Conceptuales
análisis
Selección de un problema o
conjunto de datos para
aplicar los fundamentos.
Comprensión de cómo
los conceptos básicos
sustentan análisis CONCLUSIONES FUNDAMENTOS DE CIENCIAS
PRESENTACION DEL EJERCICIO Elección de herramientas y té
DE DATOS.
Evaluación de las herramientas
utilizadas en el praxis en sujeción con
comprender conceptos básicos
los fundamentos.
como variables, tipos de datos
importancia de la calidad de
Conclusiones Metodológicas y estructuras de datos.
los datos en todo el proceso.
Identificar posibles mejoras Comprender las diferentes etapas
del método para hacer un APORTE AL PROCESO DE
ALGUNAS DE SUS FASES de un proyecto de ciencia de datos.
mejor uso de ello. APRENDIZAJE
DEL PROCESO DE CIENCIA DE DATOS
Aprender sobre la aplicación práctica
1.Definición del problema.
de los fundamentos en la resolución de
problemas
2. Recopilación y mapeo de datos.
Este mapa de ideas proporciona una guía estructurada
para comprender los conceptos de los fundamentos de 3. Preprocesamiento y limpieza.
la ciencia de datos, enfatizando los aspectos teóricos y
Desarrollo de habilidades esenciales en el
metodológicos. Se integran demostraciones prácticas y 4. Evaluacion procesamiento de datos y la investigación.
contribuciones al proceso de aprendizaje para brindar
una experiencia enriquecedora. 5. Comunicación de resultados
Presentación del Ejercicio de Analítica
de Datos y su Aporte al Proceso de
Aprendizaj
1. El ejercicio de analítica de datos fue diseñado como parte del
proceso de aprendizaje para proporcionar una experiencia práctica
en la aplicación de técnicas y herramientas analíticas en un
contexto real. Se eligió un conjunto de datos relevante y
desafiante, relacionado con [descripción del conjunto de datos],
con el objetivo de permitir a los participantes enfrentarse a
situaciones complejas que reflejen escenarios del mundo real.
2. Aporte al Proceso de Aprendizaje:
a. Desarrollo de Habilidades Técnicas: El ejercicio permitió a los participantes desarrollar y aplicar
habilidades técnicas en la manipulación y análisis de datos,
b. Aplicación de Conocimientos Teóricos: Los participantes pudieron aplicar los conceptos teóricos
aprendidos en el aula a situaciones prácticas, consolidando su comprensión y capacidad para
transferir conocimientos a contextos del mundo real.
c. Resolución de Problemas: El ejercicio desafió a los participantes a abordar problemas complejos,
tomar decisiones informadas y proponer soluciones basadas en el análisis de datos.
d.Colaboración y Comunicación: La colaboración fue esencial en el proceso, ya que
los participantes compartieron ideas, discutieron enfoques y trabajaron en equipo
para superar desafíos. La habilidad de comunicar resultados de manera efectiva
también fue destacada.
¿Que es la Ciencia
11 . VISUALIZACION Y de Datos?
COMUNICACION DE DATOS. FEELS PURE & AUTHENTIC
10. EVALUACION DE POLITICAS
Son Campos interdisciplinarios donde
diferentes disciplinas o campos, como la
Los economistas mediante las estadística , la informática, y la experiencia
Ayuda a comunicar sus en la materia para deducir Se refiere a un enfoque sistemático para recopilar y medir información de FEBRUARY 14
evaluaciones de conclusiones y
comportamientos, perspectivas y una variedad de fuentes para obtener una imagen completa y precisa de
un área de interés. Este proceso permite a una persona o empresa 1. RECOPILACION DE DATOS.
conocimientos de los datos,
impacto(analisis contrafactual , conocimientos
responder preguntas importantes, evaluar resultados y predecir tendencias
futuras.
VALENTINE'S DAY
regresión discontinua , visualización: incluyen
métodos cuasiexperimentales tablas, gráficas y cuadros
analizan datos) para ver el de manera interactiva
impacto de las intervenciones
políticas
Implica eliminar o corregir problemas de los 2. LIMPIEZA Y PREPROCESAMIENTO
datos brutos como: valores omitidos, valores
atípicos e incoherencia para que estos sean DE DATOS.
mas precisos .
9. PREDICCION ECONOMICA.
*Utiliza datos históricos y modelos 3. ESTADISTICA DESCRIPTIVA.
Fundamentos
estadísticas para predecir tendencias,
indicadores y resultados económicos a Proporciona un resumen del conjunto de
futuros. Técnicas: Modelos de Regresión, datos como: La media, mediana, la moda, la
modelos de series temporales .
analítica de desviación estándar y el rango. Se identifican
patrones o tendencias
datos
Ayuda a evaluar intervenciones politicas y
a comprender el impacto de los factores 4. ANALISIS EXPLORATORIO
Explora y resume datos para obtener
economicos. Pretende determinar las DE DATOS (AED)
información y comprender sus características ,
relaciones causa- efecto entre variables . ayudan a identificar tendencias , relaciones y
posibles áreas de investigación mediante
8. INFERENCIA CAUSAL. gráficos .
Permite estudiar y
predecir datos Permite a los economistas hacer
recogidos a lo inferencias sobre las relaciones
largo del tiempo. Combinación de teoría entre variables que ayudan a validar
teorias economicas y evaluar
económica junto con técnicas 5. PRUEBAS DE HIPOTESIS
intervenciones politicas.
de Estadística para analizar
fenómenos económicos ,
probar teorías y hacer
7. ANALIZISIS DE SERIES TEMPORALES predicciones
6. MODELIZACION ECONOMETRICA
Conceptuales:
Conclusiones
-La analítica de datos es una herramienta para transformar datos en conocimiento accionable.
-La exploración y limpieza de datos son pasos cruciales que influyen significativamente en la calidad de los análisis .
-La interpretación de resultados es tan importante como la ejecución del análisis; la capacidad de comunicar hallazgos de
manera efectiva es esencial.
Metodológicas:
-La aplicación de una metodología estructurada facilita un análisis más eficiente y comprensible.
-La elección adecuada de técnicas y modelos analíticos depende de la naturaleza del conjunto de datos y los objetivos del
análisis.
-La colaboración y la diversidad de enfoques enriquecen el proceso analítico.
Este ejercicio no solo contribuyó al desarrollo de habilidades técnicas, sino que también fortaleció la capacidad de abordar problemas
complejos desde una perspectiva analítica. La experiencia adquirida proporciona una base sólida para enfrentar futuros desafíos en el
ámbito de la analítica de datos.
La minería de datos permite a los economistas
descubrir patrones, relaciones y conocimientos
ocultos que fundamentan procesos de toma de
decisiones enproyecciones de mercado, análisis
de indicadores económicos en tiempo real,
políticas económicas, entre otros.
Este paso implica recopilar datos de
La minería de datos ofrece una nueva perspectiva
EXPLORACION DE DATOS diversas fuentes, como bases de datos,
para entender fenómenos económicos.
Las técnicas específicas, como clustering y regresión,
pueden revelar patrones ocultos en datos CONCEPTUAL ¿A QUE HACE REFERENCIA ?
archivos, registros de eventos, etc.
económicos.
CONCLUSIONES
Los datos suelen contener errores, valores
atípicos o información redundante. La
PROCESAMIENTO DE DATOS
MINERIA DE DATOS limpieza de datos implica procesos para
corregir estos problemas y garantizar la
calidad de los datos.
El proceso de minería de datos se integra de Elementos
METODOLOGICO
Durante esta fase, los datos se convierten
manera efectiva en el análisis económico.
La interpretación de resultados es esencial
TÉCNICAS DE
conceptuales REPRESENTACION DE DATOS
y se preparan para el análisis. Esto puede
incluir la normalización, la discretización y
para traducir hallazgos de minería de datos
en acciones económicas. MINERÍA DE DATOS sobre la minería otras técnicas para hacer que los datos
sean adecuados para el modelado.
de datos
Aquí es donde se aplican algoritmos y técnicas
Agrupamiento: Identificación para descubrir patrones y relaciones en los
DESCUBRIMIENTO DE PATRONES
Regresión: Análisis de la relación entre variables, por datos. Los métodos comunes incluyen la
clasificación, la regresión, el clustering y las
ejemplo, para prever el impacto de factores económicos reglas de asociación.
en el crecimiento de una empresa.
Aporte al Proceso de Aprendizaje Asociación: Descubrimiento de relación
Deteccion de anomalias. La clasificación consiste en asignar instancias a
Enfoque Interdisciplinario: La integración de estas mineria de texto CLASIFICACION Y PREDICCION
categorías predefinidas en función de sus atributos. la
predicción utiliza el conocimiento extraído de datos históricos
para hacer suposiciones sobre eventos o resultados futuros.
disciplinas proporciona un enfoque integral para el analisis de series temporales
análisis económico
Herramientas y Métodos: Familiarizarse con
diversas herramientas y métodos que son esenciales
para abordar el problema
Aplicaciones Prácticas: Comprender cómo estas
disciplinas se aplican en el mundo real para abordar
desafíos económicos específicos.
CONCLUSION
En la era digital, la explosión de datos ha CAMBIADO nuestra comprensión del mundo y la toma de decisiones. Las
Ciencias de Datos fusionan estadísticas, programación y aprendizaje automático para convertir datos en conocimiento.
La Analítica de Datos va más allá de la observación, convirtiendo datos en acciones estratégicas mediante análisis
descriptivo, predictivo y prescriptivo. La Minería de Datos, a través de algoritmos avanzados, revela patrones y extrae
conocimientos valiosos de grandes conjuntos de datos.
