¿En cuáles campos trabajan Data Scientists?

Clase 8 de 30 • Curso de Big Data y Ciencia de Datos 2016

Gisse Peralta

teacher•

Agregaría también el campo del Periodismo de Datos (Data Journalism)

Carlos Daniel Jiménez

student•

Es una excelente idea, imaginate debates sobre la definición de datos para un caso especifico !!!

Moisés Manuel Morín Hevia

student•

La inteligencia artificial ya le quita empleos a periodistas.

José Alberto Ortiz Vargas

student•

PhD -> Doctorado

Moisés Manuel Morín Hevia

student•

Sí, acá es doctorado.

José Eder Guzmán Mendoza

student•

Yo considero que actualmente, todas las empresas necesitan de un experto que les ayude a realizar un buen analisis de los datos que se estan generando dentro y fuera de la empresa.

Moisés Manuel Morín Hevia

student•

Estoy de acuerdo, es super importante tratar los datos.

Usuario anónimo

user•

¿En qué campos trabajar Data Scientist? Casi todos.
Los Data Scientists que trabajan en la academia, Se encargan de avanzar el campo en un sentido más teórico. Cuando los Data Scientists están trabajando en la industria lo hacen para que sus conclusiones sean usadas para enriquecer a esa industria.

LUIS FERNANDO CASTAÑEDA CASTRO

student•

Yo creería que no en casi todos, sino en todos los campos.

Kevin Andrés Cornejo Surichaqui

student•

Trabajaran en todos lados 😄

Moisés Manuel Morín Hevia

student•

Trabajaremos**

Luis Toro

student•

Este es Un Ejemplo Académico que llega a la industria muy importante es del MIT, Permite ver el comportamiento del comercio internacional.

https://atlas.media.mit.edu/es/

Ricardo N. Bravo Meza

student•

Una profesión necesaria en todos los rubros. Menos errores, mejores decisiones y un uso adecuado de grandes volúmenes de datos.

Moisés Manuel Morín Hevia

student•

Las máquinas son nuestras aliadas.

Uriel Belalcazar Grueso

student•

aplicar estos conocimiento en la empresa donde laboro seria genial, ya que se atiende alrededor de 600000 mil usuarios

Moisés Manuel Morín Hevia

student•

Pues vas !!

Miguel ®

student•

Cual es la diferencia entre Inteligencia Artificial y Machine Learning?

alejandro vergara

student•

Según mi parecer, Machine Learning esta relacionado con los algoritmos y la inteligencia artificial es la automatización de estos algoritmos para uso en un contexto particular.

Daniel Rojas

student•

Si combinamos el conocimiento humano y el rápido procesamiento de las computadoras, entonces estas podrán procesar grandes cantidades de datos sin necesidad de la intervención humana. Ese es el concepto básico del Machine Learning, estos son algunas técnicas en ML:

Agrupamiento (Clustering)
Detección de datos atípicos (outliers)
Filtrado (filtering)
Clasificación

Moisés Manuel Morín Hevia

student•

INTELIGENCIA ARTIFICIAL !

Luis Fernando Soriano Torres

student•

Interesante, estoy trabajando en un área de Centro de Datos y ya estoy analizando que procesos ya se aplica esto, como en procesos donde se puede implementar, interesante!

Carlos Fabié Escobar Oropeza

student•

Yo creo que la Ciencia de Datos es imprescindible para cualquier empresa hoy en día, ya sea en mayor o menor medida, pero representa una ventaja competitiva clara frente a empresas de su mismo giro.

Mario Emiliano Gordon Pico

student•

Es increible como esta profesion puede er aplicada en tantos campos, me apasiona aprender sobre este tema y asi poder aplicar en mi actual trabajo y buscar mejores oportunidades en otros paises.

RONALD MAURICIO GELVEZ RUIZ

student•

Otro campo a trabajar por un Data scientist es la meteorologia, ya que es un area de estudio en donde se generan muchos datos cada dia y se tienen que utilizar en conjunto con datos de otros años para generar predicciones.

Giancarlo Rubio Lazo

student•

Desde mi punto de vista, Un cientifico de datos se necesitan en todas las industrias o sectores de un pais. Se que va mas dirijido a Software.

Tambien seria bueno el enfásis en las demás industrias.

Manuel Sanchez

student•

Normalmente en todo campo de trabajo donde se efectúen procesos hay trabajo para un data scientist, si las organizaciones tienen dificultades para obtener resultados, normalmente no se nombra a data scientist pero si son consultores de información o al menos eso veo en mi industria y es la capacidad que tienen estas personas para evaluar, centralizar y consolidar información relevante para el negocio sea el que sea.

Manuel Sanchez

student•

EL sector gobierno es una de las partes donde mas se empieza a tener en cuenta a estos perfiles pero por ser un tema de dinero publico se hacen acuerdos con universidades que efectuan estos procesos de investigación, es basto y muy interesante.

Giovanni H Uribe

student•

Energía es mi campo. =)

Moisés Manuel Morín Hevia

student•

Muchas oportunidades.

Edson Chana Ojeda

student•

El vídeo de esta clase tiene un problema de reproducción, porque se congela el vídeo de la explicación en la mitad de su duración. Espero solucionen este percance, ya que la enseñanza manifiesta está muy interesante. Saludos y que Dios los bendiga enormemente.

Antonio Villavicencio Garzón

student•

¿Qué quiere decir en el min. 2.38 del video con pedir concesiones?

Diego Forero

Team Platzi•

Se refiere por ser académicos que luego no puedan reclamar porque las empresas que los contratan ganen dinero con lo que investigó o realizó

¿En cuáles campos trabajan Data Scientists?

Bienvenidos

Aprende sobre Big Data y Ciencia de Datos con los cursos actualizados

Bienvenido al curso

¿Qué es un Data Scientist?

Ejemplos de uso de Data Science

Cómo funciona una búsqueda de Google y el Algoritmo de Spotify

Retos de un data scientist

¿Porqué surge Data Science ahora y no antes?

¿En cuáles campos trabajan Data Scientists?

¿Cuáles habilidades y herramientas usamos?

Workflow de un Data Scientist

Introducción a Python

Guía de Jupyter

Configurando un NoteBook

Continuando con nuestro ejemplo

Flujo de trabajo de un Data Scientist

Workflow Típico de un Data Scientist

Recolectar datos, limpiar datos dormir con sus datos

Modelos de datos

Construir un modelo

Validar su modelo y predecir el futuro

Comunicar los resultados

Algebra Lineal para Data Science

Básicos de Probabilidad

Automatización en Data Science

Hacer que las máquinas hagan todo

Objetos del mundo real en el espacio vectorial y métricas de distancia

Ejemplo de espacio vectorial y métricas de distancia

Conclusiones

Cómo ser un data Scientist

Cierre del curso

Desafío 01

Desafío 02

Contenido complementario

¿Qué es big data y cuál es su papel en datascience?