Este documento presenta un resumen de un video sobre científicos de datos. Explica que un científico de datos usa matemáticas, estadísticas y programación para analizar grandes cantidades de datos y encontrar patrones e insights que puedan ayudar a las empresas. También cubre conceptos como inteligencia artificial, machine learning y deep learning, así como algoritmos y lenguajes comúnmente usados en machine learning como Python, R, Java y TensorFlow.
0 calificaciones0% encontró este documento útil (0 votos)
15 vistas6 páginas
Este documento presenta un resumen de un video sobre científicos de datos. Explica que un científico de datos usa matemáticas, estadísticas y programación para analizar grandes cantidades de datos y encontrar patrones e insights que puedan ayudar a las empresas. También cubre conceptos como inteligencia artificial, machine learning y deep learning, así como algoritmos y lenguajes comúnmente usados en machine learning como Python, R, Java y TensorFlow.
Este documento presenta un resumen de un video sobre científicos de datos. Explica que un científico de datos usa matemáticas, estadísticas y programación para analizar grandes cantidades de datos y encontrar patrones e insights que puedan ayudar a las empresas. También cubre conceptos como inteligencia artificial, machine learning y deep learning, así como algoritmos y lenguajes comúnmente usados en machine learning como Python, R, Java y TensorFlow.
Este documento presenta un resumen de un video sobre científicos de datos. Explica que un científico de datos usa matemáticas, estadísticas y programación para analizar grandes cantidades de datos y encontrar patrones e insights que puedan ayudar a las empresas. También cubre conceptos como inteligencia artificial, machine learning y deep learning, así como algoritmos y lenguajes comúnmente usados en machine learning como Python, R, Java y TensorFlow.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 6
TECNOLOGICO NACIONAL DE MÉXICO
INSTITUTO TECNOLOGICO DE ZACATEPEC
FUND. ANÁLISIS DATOS CON PYTHON
GRUPO: XB
TAREA 3
NOMBRE: PASTRANA GILES MILTON JOSE 18090247
FECHA: 23/02/2023 Resumen del video:
¿Qué es científico de datos?
Un profesional de data scientist o un científico de datos es un profesional que traduce una gran cantidad de datos que aportan a la empresa o a la sociedad, estas grandes cantidades de información se conocen como big data.
un científico de datos está conformado por:
matemáticas y estadísticas domina la programación y sus diferentes lenguajes, así como la computación y su analítica también tiene la capacidad y los conocimientos necesarios para comunicar sus hallazgos a nivel tecnológico y empresarial, esto hace que los data scientist dominen la tecnología y las bases de datos para orientar a las compañías o empresas en su futuro.
con la big data es capas de interpretar las tendencias en la sociedad y así crear nuevas oportunidades de negocios, el objetivo de esto es codificar los datos para que nuestro cerebro sea capas de interpretar los datos rápido, se debe saber destacar los datos principales. Los científicos de datos no solo obtienen información de una sola fuente si no que es capaz de extraer información de barias fuentes de datos y tener visión de amplia del problema, esta es una profesión nueva y las organizaciones no solventan la demanda de esta. La Diferencia Entre: Inteligencia artificial Machine Learning Deep Learning Inteligencia Artificial: Son computadoras con las habilidades de razonar como los humanos interactúan con los humanos a través del lenguaje natural. Es un término genérico para resolver tareas que son fáciles para los humanos pero difícil para la computadora incluyendo todo tipo de tareas como hacer trabajos creativos, planificar, hablar, realizar transacciones comerciales o sociales entre otros, este es lo más cerca de interactuar a los humanos sin necesidad de utilizar palabras clave, esta es la que a tomado mas años pero se a logrado de manera exitosa. Un ejemplo de esto se puede ver con los teléfonos iPhone o con asiste Siri, una persona puede solicitarle información sobre el clima de un lugar especifico y en pocos segundos responderá con la respuesta, esto es posible ya que se utiliza el lenguaje natural y lo debe procesar a lenguaje binario esto quiere decir que es a 0 y a 1 por lo que transforma esa onda de sonidos en algo que la maquina entiende, esto lo busca usando las aplicaciones instantáneas que tiene el teléfono móvil o directamente en la web, ahora teniendo la información la maquina transforma la información de 0 y 1 a lenguaje natural todo esto se hace en segundos gracias a las tecnologías avanzadas que existen hoy en día.
Machine learnig: Computadoras con la habilidad de aprender sin ser explícitamente programadas reciben un conjunto de datos y aprende por sí mismo reconoce patrones entre los datos y hace predicciones no requiere que una persona programe instrucciones. Machine learnig es un subconjunto de la inteligencia artificial y el enfoque principal es aprender en vez de programar computadoras, las maquinas utiliza algoritmos complejos para revisar una cantidad grande de datos reconoce patrones entre los datos y así puede hacer una predicción sin requerir que una persona programe.
Deep Learning:
Estas son redes capaces de adaptarse a nueva data
imitan la conectividad del cerebro del humano cuanto más dato se tenga más precisa es la predicción se clasifican en conjunto de datos y encuentran correlaciones. Esta es la tecnología que tiene más auge en los últimos años por todo lo que a podido conseguir utiliza los principios de algoritmos básicos de machine learning en conjunto e intentando modelar abstracciones de alto nivel en datos usando arquitecturas compuestas, este tiene una desventaja ya que se requiere un número mayor de datos comparado con los otros algoritmos pero el mayor inconveniente que tiene es que se requiere una tecnología de punta para poder procesar los algoritmos esta es una razón por la cual no ha venido desarrollando este aprendizaje.
Algún ejemplo de lo que puede hacer este algoritmo es que puede tomar una foto en blanco y negro y puede ponerle color.
Algoritmos Usados en modelos de Machine Learning:
Tipos de algoritmos: Supervisados: Son aquellos que necesitan un conjunto de datos para poder trabajar y hacer tales predicciones. No Supervisados: Se encarga de tratar de encontrar una relación entre la información que no esta etiquetada, no tenemos que relación existe etc. Aprendizaje Reforzado: Tiene que ver con algoritmos que llevan a tomar una decisión y tener una retroalimentación al modelo para indicar que tan buena fue esa decisión que se tomó.
Algoritmos supervisados: Clasificación: nos permite clasificar Regresión: nos permite pronosticar un dato. Detección de anomalías.
Hay dos tipos de clasificación que se le llama de dos clases o multiclase, cuando se refiere a dos clases es que se esta evaluando a dos atributos o se quiere saber cual es la diferencia entre esos dos, cuando hablamos de multiclase es que nos estamos refiriendo a que no sola mente queremos categorizar dos elementos o dos categorías, si no que son múltiples secciones. Lenguajes de programación para Machine Learning: Python: pone la codificación al alcance de las personas que la rehúyen, ya que ha desaparecido la sintaxis excesivamente compleja. La sencilla sintaxis de Python y la importancia que da la legibilidad del código facilita que los desarrolladores de machine learning se centren en que escribir, en lugar de como hacerlo.
R Es un increíble lenguaje de programación para machine learning escrito por un estadístico para estadísticos este también puede ser utilizado por personas que no son programados. Permite crear prototipos rápidamente y trabajar con conjuntos de datos para construir los modelos de machine learning.
Java Cuenta con numerosas bibliotecas de terceros para Machine learning, facilita la escalabilidad de las aplicaciones a los desarrolladores de machine learning a crear herramientas personalizadas a un ritmo y tiene varios IDE que ayudan a mejorar la productividad general java funciona mejor para los proyectos de velocidad critica ya que se ejecuta rápidamente.
TensorFlow Es una gran entrada en Machine learning para aquellos que solo están familiarizados con el desarrollo web. Este es compatible con WebGL, por lo que a los modelos de machine learning pueden funcionar cuando una gran GPU está presente.
Julia Es un lenguaje de programación de propósito general y que puede ser utilizado para el desarrollo de todo tipo de aplicaciones, funciona mejor para el análisis de datos numéricos de alto rendimiento y la ciencia computacional. Julia esta especialmente diseñada para implementar las matemáticas básicas y las consultas científicas que subyacen en la mayoría de los algoritmos de machine learning.
¿Qué lenguaje elegiría?
De acuerdo a lo visto, el lenguaje que a mi parecer yo elegiría, seria Python ya que, al conocer este lenguaje de programación, comprobé que es un lenguaje simple de programar, claro y entendible.
