Justificación y contexto de tu proyecto

1

Cómo crear tu proyecto de ciencia de datos

2

Crea proyectos para afianzar tus conocimientos en ciencia de datos

3

Cada cuánto hacer un proyecto de datos

4

Dónde sacar ideas para proyectos de ciencia de datos

5

Generar y comunicar un proyecto de datos

6

Casos: personas que ya pasaron por este camino

Quiz: Justificación y contexto de tu proyecto

Ejecutando un proyecto de ciencia de datos

7

Plantea una pregunta interesante

8

Obteniendo los datos para tu proyecto

9

Ejecutando: obteniendo los datos

10

Limpieza de la información

11

Ejecutando: limpia tu conjunto de datos

12

Explora y encuentra patrones en la información

13

Ejecutando: exploración de la información

14

Ejecutando: completando la exploración de la información

15

Enriquecimiento de los datos para análisis profundo

16

Ejecutando: enriquecimiento de los datos

17

Aplicando un modelo de machine learning

18

Ejecutando: aplicando un modelo supervisado de machine learning

19

Ejecutando: aplicando un modelo no supervisado de machine learning

20

Ejecutando: aplicando un modelo no supervisado de anomalías

21

Prepara tu trabajo para comunicarlo con el mundo

22

Ejecutando: prepara tu trabajo para comunicarlo con el mundo

Quiz: Ejecutando un proyecto de ciencia de datos

Comunicando los resultados

23

Por qué es importante comunicar los resultados

24

Escribiendo tu primer blogpost técnico

25

Compartiendo en comunidad con tu primera presentación

26

Cómo mejorar tu repositorio en GitHub para ciencia de datos

27

Haciendo deploy de tus modelos

28

Construyendo una aplicación full stack que consuma tu proyecto

Quiz: Comunicando los resultados

Últimos pasos

29

Elige terminar: es mejor terminado que perfecto

30

Recuerda los objetivos del proyecto: practicar y carta de presentación

31

Comparte tu proyecto

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Elige terminar: es mejor terminado que perfecto

29/31
Recursos

¿Cuál es el objetivo de tu proyecto de ciencia de datos?

Los proyectos de ciencia de datos suelen comenzar con entusiasmo: una gran exploración de datos, un modelo funcional y visualizaciones impactantes. Sin embargo, es común sentir que algo falta, que el proyecto no está completamente terminado. Esto sucede porque los problemas reales, especialmente en ámbitos como la salud o el análisis de datos, son a menudo interminables. No tienen una resolución definitiva, sino que llevan a conclusiones útiles pero transitorias.

¿Qué significa "Done is better than perfect"?

Esta frase ha perdurado entre generaciones de desarrolladores y propietarios de productos en el ámbito tecnológico. Implica que es preferible entregar algo que funciona antes que obsesionarse con la perfección. La búsqueda de la perfección puede alargar indefinidamente el tiempo necesario para completar un proyecto, llevándolo a un estado asintótico donde cada esfuerzo adicional produce menores resultados.

Es crucial saber cuándo detenerse. Existen varios indicadores útiles para decidir cuándo pausar:

  • Has llegado a una buena conclusión y respondido las preguntas iniciales.
  • Necesitas más recursos para avanzar o has trabajado con una muestra de datos limitada por tus capacidades actuales.
  • Requiere más conocimiento especializado para continuar.

¿Cómo gestionar las pausas en un proyecto?

Pausar un proyecto puede realizarse de dos maneras: de forma activa o pasiva.

  • Pausa pasiva: Consiste en dejar el proyecto para después, usualmente con una fecha específica en mente, retirándolo de la lista de tareas pendientes. Esta forma de pausa permite descansar la mente y refrescar las ideas cuando retomes el proyecto más adelante.

  • Pausa activa: Se caracteriza por continuar buscando consejo, apoyo y comunicando el progreso del proyecto. Aunque no se trabaje activamente en él, las ideas siguen fluyendo y pueden surgir nuevas inspiraciones. Esta forma es especialmente valiosa para mantener la creatividad y el flujo de ideas constante.

Ninguna de estas pausas es mejor que la otra y la elección dependerá del contexto y las necesidades del proyecto y del equipo involucrado.

¿Cómo lograr un cierre satisfactorio?

El aspecto más importante de un proyecto es proporcionarle un cierre. Esto significa sentirte satisfecho con el trabajo realizado, lo que facilita pasar a nuevos desafíos sin arrastrar la incomodidad de lo inconcluso. Sin este cierre, es difícil dar vuelta a la página de manera efectiva.

Recuerda siempre conectar el objetivo de tu proyecto con el por qué de su existencia. Este enfoque asegura que no se pierda el propósito inicial y ayuda a mantener la dirección clara en el vasto mundo de la ciencia de datos.

Aportes 8

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Me gustaría que platzi hiciera la ruta completa para ser un MLOPS y poder poner modelos vivos a trabajar, ademas de poder estimar los costos de los algoritmos trabajando en ambientes de producción, es decir un proceso automatico CI/CD con la menor deuda técnica posible.

TOY VIENDO…

Entre más tiempo le pongas, meno te va a dar.

Totalmente acertado, y se va iterando además hay enfoque, Evitar ser un de todito y al final no entregar valor
No olviden la **Ley de Rendimientos Decrecientes**

El clásico sí funciona déjalo ahí jajajaj. Sí funciona no lo toques más

Existe también un concepto muy usado en este tipo de casos y es el de “Producto Mínimo Viable” o MVP en inglés (Minimum Viable Product). Es un concepto poderoso en emprendimiento y que aplica muy bien a lo mencionado en esta clase.

Momento bueno para parar: Cuando sientes que has dado respuesta a tú pregunta