Saltar al contenido ForoHackers

Ciencia de datos: por dónde empezar

Ciencia de datos
#2910 · · Citar · 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

No has iniciado sesión, así que esto se publica como anónimo: no se guarda con ello ninguna cuenta, nombre ni dirección, y no puede llevar enlaces ni imágenes. Inicia sesión o únete para publicar con tu nombre. Los registros de nuestro servidor web guardan la dirección y la hora de cada petición hasta 14 días; para que la tuya no quede en ellos, usa Tor. Para escribir al equipo de forma confidencial, usa el buzón. Firmar como fuente habitual (una clave guardada solo en este navegador)

Enviar tarda unos segundos aquí: tu navegador resuelve antes una prueba de trabajo contra el spam.

Responder