Saltar al contenido ForoHackers

Ciencia de datos: por dónde empezar

Ciencia de datos
#404 · Ophuscado · · Denunciar

La ciencia de datos extrae conocimiento de los datos combinando estadística, programación y conocimiento del tema. Plantea una pregunta, reúne y limpia datos, los explora, construye un modelo o una estimación e informa de lo que está y de lo que no está respaldado. La habilidad está tanto en dudar de los resultados como en producirlos.

Conceptos clave

  • Primero la pregunta: una pregunta clara y una forma de saber si la respuesta sirve van antes que cualquier modelo.
  • Limpieza y exploración: la mayor parte del tiempo se va en corregir, unir y graficar datos para entenderlos.
  • Pensamiento estadístico: distribuciones, muestreo, incertidumbre y la diferencia entre correlación y causalidad.
  • Modelado y validación: ajustar con datos de entrenamiento y juzgar con datos que el modelo no ha visto.
  • Comunicación: los resultados deben llegar a quienes deciden con palabras claras y con sus salvedades.

Vocabulario

  • Sobreajuste: un modelo que memoriza el ruido de los datos de entrenamiento y falla con datos nuevos.
  • Característica (feature): una variable de entrada que usa un modelo.
  • Intervalo de confianza: un rango que expresa la incertidumbre de una estimación.
  • Sesgo: un error sistemático, en los datos, en el muestreo o en el modelo.

Qué estudiar, en orden

  1. Estadística descriptiva y probabilidad: media, dispersión, distribuciones y muestreo.
  2. Python o R con una biblioteca de dataframes; carga, limpia y resume un conjunto de datos real.
  3. Grafica cada variable y cada par, y anota lo que te sorprendió.
  4. Ajusta una regresión lineal y una logística e interpreta los coeficientes.
  5. Divide los datos en entrenamiento y prueba, usa validación cruzada y provoca un sobreajuste a propósito.
  6. Escribe un informe breve que exponga la pregunta, el método, el resultado y sus límites.

Etiquetas relacionadas

#probability #machine-learning #data-visualization #python

Inicia sesión o únete para responder.