¿Porqué surge Data Science ahora y no antes?

Clase 7 de 30 • Curso de Big Data y Ciencia de Datos 2016

renato Champi

student•

La virtualización de equipos de computo han logrado disminuir los costos de infraestructura para el procesamiento de grandes cantidades de datos.

Moisés Manuel Morín Hevia

student•

Thanks, lo tendré en cuenta.

Jose Manuel Gama Estrada

student•

se estima que en los últimos 10 años se ha creado más información que en toda la historia de la humanidad. En Internet, cada minuto se publican 6 artículos en Wikipedia, se envían 204 millones de correos electrónicos, se descargan 47.000 aplicaciones para Smartphone y tablets, se abren más de **100 nuevas cuentas en Linkedin **y 320 en Twitter, se realizan **277.000 logins en Facebook **que suponen 6 millones de vistas, se escriben 100.000 tweets, se suben 30 horas de video a YouTube y se ven 1,3 millones de videos. @Jmgamest

Leo Messi

student•

… y ella todavia no me ha respondido

Syddar Bujato Herrera

student•

Buen dato

Ana Estigarribia

student•

Tal vez un antecedente del procesamiento de datos es la encuesta de personas que hace cada país. Desde siempre fue un trabajo duro de recolección de datos personales para luego realizar un arduo procesamiento de esos datos para convertirlos en estadísticas

sobre diversos aspectos, que muestran datos reales y poder hacer

predicciones igualmente.

Moisés Manuel Morín Hevia

student•

See bien pensado.

Giancarlo Rubio Lazo

student•

Resumen del Post:
Con la tecnologia al alcande de nuestras manos, se va generando informacion en cada minuto.
Por ello, necesitamos medirla y administrarla. Y esa función, lo hará el DATA SCIENCE.

Moisés Manuel Morín Hevia

student•

Buen resumen !

Juan de Dios Marcos Gomez

student•

La automatización de reconocimiento de patrones con la tecnología actual, uso de algoritmos de machine learning, enorme capacidad de procesamiento de grandes de volúmenes de datos, uso de sistemas closterizados, distribuidos, Grandes capacidades de almacenamiento, el uso de data centers, uso de altas velocidades de conexión a internet, el Cloud Computing para procesamiento y almacenamiento a la medida permitiendo escalamiento horizontal, son factores que también influyen que sea hasta ahora cuando emerja o tenga mas auge la Data Science.

Rafael Mosquera

student•

Will deberíamos iniciar por hacernos algunas preguntas básicas cuando hacemos Ciencia de Datos:

¿Qué datos necesito?
¿Para que necesito esos datos?
¿De donde extraigo esos datos?
¿Cómo proceso esos datos?

Diego Forero

Team Platzi•

Hola, esas preguntas se van resolviendo a lo largo del curso.

Moisés Manuel Morín Hevia

student•

Ya vas pensando como un data science

Syddar Bujato Herrera

student•

Excelente

Moisés Manuel Morín Hevia

student•

Super !

Ricardo N. Bravo Meza

student•

El poder de procesamiento ahora esta al alcance de muchos.......

Moisés Manuel Morín Hevia

student•

Seeee yo tengo una 3060ti

José Eder Guzmán Mendoza

student•

Es lo que los psicologos llaman info-obesidad

Moisés Manuel Morín Hevia

student•

& va en aumento xD

Moisés Manuel Morín Hevia

student•

La cantidad de datos & el poder computacional van en aumento.

Carlos Fabié Escobar Oropeza

student•

Procesadores más rápidos, discos duros de estado sólido cada vez con mayor capacidad, virtualización, todo ello son tecnologías que permiten procesar grandes cantidades de información y cada vez más rápido.

LUIS FERNANDO CASTAÑEDA CASTRO

student•

Hoy en día la nube nos permite poder tener mayor procesamiento y de manera más económica. No es lo mismo comprar una máquina con altos recursos y que con el pasar de los días se va volviendo obsoleta, a poder utilizar una máquina en AWS y pagar por las horas y recursos necesarios.

Uriel Belalcazar Grueso

student•

la información de hoy es mas clara y precisa este debido al avance tecnológico en las aplicaciones y el rendimiento del Pcs, aunque los modelos matemáticos siempre han estado ahi

Manuel Sanchez

student•

Ciertamente puede que una de las principales cosas sean los costos y el poder de procesamiento pero también es claro que la cantidad de datos que se han generado en este época es muy diferente a la cantidad de tiempo atras, asi que si claramente lo explico pero es mas de anotar que los datos que tenemos ahora no estaban tan claro hace 20 o 40 años y nuestra imaginación seguramente no daba para pensar que cosas asi fuesen posibles pero ahora hay unicornios que lo hacen creíble.

Alfonso Bastias

student•

Datos->Información->Conocimiento (key concept)

Moisés Manuel Morín Hevia

student•

Gracias, lo tendré en cuenta.

Jose Isaac Ramirez Rh

student•

Como se usa en maketing?

Leviatan

student•

Hola en marketing por ejemplo en algunos centros comerciales se mide la entrada y salida de publico (compradores potenciales) y cuales almacenes visitan… es pósible predecir analizando estos datos cuantos potenciales compradores podrían asistir al centro comercial si se lanzara una campaña de promociones de todos los almacenes del centro comercial… determinar cuantos vendedores de tienda deberías contratar, en que horarios si habilitas mas cajas de pago, cual pabellón visitaran mas etc…

Moisés Manuel Morín Hevia

student•

Se analizan los inputs para generar outputs limpios.

¿Porqué surge Data Science ahora y no antes?

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?