Sesión 1.pdf
- 2. Python para Data Science Dra. Soledad Espezúa. Ll. sespezua@pucp.edu.pe Dr. Edwin Villanueva T. evillatal@pucp.edu.pe Ing. Daniel Saromo M. daniel.saromo@pucp.pe Sesión 1
- 3. Agenda ❑ Introducción a Data Science (DS) • Definición de DS • Diferencias entre ML, IA y DS • Tareas en DS • Metodología de DS • Mercado laboral ❑ Python ❑ Ecosistema de herramientas en Python 3
- 4. 4 Definición de Data Science Programming skills Math & Statistic Knowledge • La ciencia de datos es el campo de estudio que combina la experiencia en un dominio, las habilidades de programación y el conocimiento de matemáticas y estadísticas para extraer información significativa de los datos. Los profesionales de la ciencia de datos aplican algoritmos de aprendizaje automático a números, texto, imágenes, video, audio y más para producir sistemas de inteligencia artificial (IA) que realizan tareas que normalmente requieren inteligencia humana. A su vez, estos sistemas generan información que los analistas y los usuarios comerciales traducen en valor comercial tangible. • La ciencia de datos es una colección de técnicas que se utilizan para extraer valor de los datos. Se ha convertido en una herramienta esencial para cualquier organización que recopile, almacene y procese datos como parte de sus operaciones. Las técnicas de ciencia de datos buscan encontrar patrones, conexiones y relaciones útiles dentro de los datos.
- 5. IA, Machine Learning y Data Science 5
- 6. Tareas en Data Science 6 Descripción & exploración • Visualización Asociación de patrones • Sist. generadores de reglas • Sis. de recomendación Agrupamiento •Clustering Minimizar las distancias dentro de los grupos Maximizar las distancias entre los grupos
- 7. Tareas en Data Science 7 Clasificación •V. Categórica Regresión o Estimación •V. Numérico Pronóstico temporal • V. Temporal ? Variable 2 Variable 1 Función aproximada Time series Función aproximada Forecasting
- 8. Metodología en Data Science 8 1) Fase de comprensión del problema 2) Fase preparación de los datos 7) Fase de implementación 3) Fase de análisis exploratorio 6) Fase de evaluación 5) Fase de Modelado 4) Fase de configuración
- 9. 9 Mercado Laboral (Hal Varian, chief economist at Google and UC Berkeley professor) Yahoo, Facebook, Google, Amazon, Microsoft, Walmart, eBay, LinkedIn y Twitter, trabajan continuamente perfeccionado kit de herramientas de desarrollo en DataScience Data Science Financial asessor https://insights.stackoverflow.com/survey/2021
- 10. 10 Python • Python es un lenguaje de programación de alto nivel, interpretado, orientado a objetos. • De código abierto, para que cualquiera pueda contribuir a su desarrollo. • Es fácil de aprender • Es fácil de usar para escribir software nuevo. • Es fácil de obtener, instalar e implementar. • Es un lenguaje flexible, que puede verse como un lenguaje multiparadigma. ✓ Útil para las personas que ya saben programar en otros lenguajes • Es un lenguaje de programación maduro ✓ También tiene excelentes propiedades para programadores novatos (ideal para personas nunca han programado). • Amplia disponibilidad de librerías para DS. Aunque su nombre se asocie con la gran serpiente pitón, el creador de Python(Guido Van Rossum , 1991) nombró el lenguaje en honor de una vieja serie de comedia de la BBC llamada Monty Python's Flying Circus.
- 11. ¿Por qué usar Python? 11 https://insights.stackoverflow.com/trends?tags=java%2Cpython%2Cjavascript%2Cr Crecimiento de los lenguajes mas populares
- 12. 12 ¿Por qué usar Python? Comparación de los lenguajes más populares https://trends.google.es/trends/explore?date=today%205-y&q=%2Fm%2F05z1_,%2Fm%2F07sbkfb,%2Fm%2F0212jm,%2Fm%2F053_x,%2Fm%2F0jgqg https://storage.googleapis.com/kaggle-media/surveys/Kaggle's%20State%20of%20Machine%20Learning%20and%20Data%20Science%202021.pdf
- 13. 13 Ecosistema de Herramientas en Python ❑ Ambiente de trabajo ❑ Librerías