Retos de un data scientist

Clase 6 de 30 • Curso de Big Data y Ciencia de Datos 2016

Efrain Rivera

student•

Semana típica en el trabaja de Data Science

Análisis exploratorio: Para enterarnos de los factores que contribuyen a que suceda el evento en estudio.
Construir un modelo matemático: Para predecir cuándo o por qué pasa.
Construir un sistema ingenieril: Para automatizar el modelo matemático.
Coordinar con el negocio: Convencer que el esfuerzo vale la pena, el costo económico y que los resultados obtenidos son útiles.
Explicar resultados: Explicarles a todos lo obtenido de manera que todos lo entiendan, aún aquellos que no son especialistas en el área.

Año típico de un Data Science

Desarrollar relaciones: Es algo intangible, pero se desarrollan relaciones con la gerencia de los negocios. No se trabaja solo.
Evangelizar una cultura de datos dentro de la empresa: Convencer que todos los datos son de utilidad cuando se usan de la manera correcta.
Construir herramientas para uso interno: Que facilitan la vida de los demás empleados en la empresa.
Construir sistemas y features para usuarios externos: Spotify con sus listas personalizadas, Google con su sistema de búsqueda en internet.
Construir y mantener sistemass ingenieriles de ETL: Obtener datos de fuentes externas para utilizarlos a beneficio de la empresa. Extraer, Transformar y Cargar (ETC o ETL en inglés)

Para ser Data Science es importante que en el tiempo libre se mantenga al tanto de lo que sucede en el campo a través del mundo.

Carlos Fabié Escobar Oropeza

student•

Gracias por el aporte, es muy útil para seguir el contenido del video.

Edwin José Vásquez Vásquez

student•

Gracias!

Daniel Z

student•

ETL (Extract, Transform, Load)

Moisés Manuel Morín Hevia

student•

Ingerir datos externos para usarlos en la empresa

Pablo Herrada Artellano

student•

Análisis exploratorio : observa!!
Construir modelo: lápiz y papel
Construir sistema ingenieril: programar

Brandon Avalos

student•

Mas claro no puede ser posible 😉

Moisés Manuel Morín Hevia

student•

Un unicornio !

José David García Rodríguez

student•

Peter Naur, el primero en hacer uso del término Data Science en 1974.

Moisés Manuel Morín Hevia

student•

Buen aporte.

Juan Carlos Rivera

student•

muy interesante la recomendación de que es tu tiempo libre te mantengas al tanto de lo que está pasando en el Internet en general

Moisés Manuel Morín Hevia

student•

Super interesante.

Bryan David Rosas Rojas

student•

Cordial saludo, ¿Cuáles son las comunidades más reconocidas de data scientist a nivel mundial?

María Cristina Tamayo Ossa

student•

Te recomiendo esta Kaggle: Kaggle es muy popular, con excelentes recursos para aprender Machine Learning y ciencia de los datos. Cuenta con varias competiciones de Machine Learning que tienen más de 1 millón de dólares de premios y cientos de competidores.

Los mejores equipos cuentan con décadas de experiencia combinada, abordando problemas ambiciosos como la mejora de la seguridad aeroportuaria o el análisis de datos satélites.

¿Qué necesitas saber de Kaggle?

Jhon Fredy Beltrán León

student•

¿Cómo podemos estar al tanto de todo lo que sucede en el campo de Ciencia de datos? ¿Qué cuentas seguir, que newsletters buscar?

Cristal Fragoso

student•

Comparto la misma pregunta…hay alguna cuenta o portal que sugieran? Conozco poco del tema y me gustaría saber si alguien tiene alguna referencia, libro, blog que recomienden… Gracias

Edwin José Vásquez Vásquez

student•

Tengo exactamente la misma duda.

RONALD MAURICIO GELVEZ RUIZ

student•

Les recomiento Pentaho, es una herramienta de bussiness intelligence (area de big data) en donde se manejan los procesos ETL y es mejor comprenderlos.

miguel valencia

student•

Gracias la revisare

Moisés Manuel Morín Hevia

student•

Bueno !!

Fabricio Galindo Copado

student•

Externales = Externos ?

Uriel Ramírez

student•

Si, para usuarios externos.

santi campos Campos Cervera

student•

Yeap

Jansenio Gonzales Venegas

student•

diferencia entre ingenieriles o ingenierias ?

Diego Forero

Team Platzi•

Cuando se refiere a un sistema ingenieril es hacer un script o software para automatizar el procesamiento de la información.

Syddar Bujato Herrera

student•

Buen aporte

Yerson Alexander Arredondo García

student•

Un año típico de un Data Scientist es: Evangelizar una cultura de datos dentro de la empresa. Me parece lo más teso de un data scientist

Moisés Manuel Morín Hevia

student•

La importancia de los datos.

Gerson Ortega

student•

Construir relaciones y evangelizar una cultura de los datos dentro de la empresa es Clave! que el jugo que se le saco a los datos genere conocimiento y acciones!

Moisés Manuel Morín Hevia

student•

Totalmente de acuerdo.

Moisés Manuel Morín Hevia

student•

Análisis exploratorio -> Construcción de modelos matemáticos -> Automatizar el modelo -> Coordinar con el negocio -> Explicar resultados. Entender el negocio -> Cultura de la data -> Construir herramientas para uso interno -> Construir sistemas para usuarios externos -> Construir y manejar sistemas de ETL/Extract Transform Loard(Ingerir datos externos para usarlos en la empresa).

Mario Emiliano Gordon Pico

student•

Me parece muy interesante todo lo que hace una data scientist , y como debe integrar tantas habilidades para el dia a dia de su trabajo.

José Eder Guzmán Mendoza

student•

Es interesante que el data scientist necesita de la gerencia, pero los gerentes no ven esta situación

Julio Yacot

student•

Faltó agregar a las actividades semanales el descanso (y una posible cerveza el sábado en la tarde para relajar la mente)

LUIS FERNANDO CASTAÑEDA CASTRO

student•

si, también le hizo falta café y + café

Sergio Alzate

student•

existe alguna comunidad que genere contenido en español sobre data science?

Nestor Antonio Pineda Otero

student•

Un campo igualmente interesante y de la mano de la ciencia de datos, es la inteligencia de negocios BI Business Intelligence. Herramientas como QlikView y Qlik Sense, Tableau y Power BI, que nos ayudan en el análisis de datos. https://www.tableau.com/es-es https://www.qlik.com/es-es https://powerbi.microsoft.com/es-es/

Entre otros, pero son los primeros en el cuadrante mágico de Gartner 2018.

Syddar Bujato Herrera

student•

Excelente

Syddar Bujato Herrera

student•

Cordial saludo, hay algun curso de construir ETL en platzi?, Algun software?por ejemplo: Datastage?

Manuel Salv. Lemos Foncubierta

student•

Si, el curso de Ingenieria de Datos.

JIMMY ALEXANDER CRUZ QUINTERO

student•

No he visto ningún curso enfocado en herramientas como Datastage o Spoon, lo mas cercano que he visto son Curso de Big Data y Ciencia de Datos (https://platzi.com/clases/data/), Curso de Big Data (https://platzi.com/clases/big-data/), pero seria ideal algún curso de herramientas de Inteligencia de negocios.

Retos de un data scientist

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?