Skip to the content ForoHackers
Log inJoin

Ciencia de datos: por dónde empezar

Data science
#2910 · · Quote · Report

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

You are not logged in, so this goes up anonymously: no account, no name and no address is stored with it, and it may carry no link and no image. Log in or join to post under your name. Our web server's logs keep the address and time of every request for up to 14 days; to keep yours out of them, use Tor. To reach the staff in confidence, use the drop. Sign as a returning source (a key kept only in this browser)

Sending takes a few seconds here: your browser first works out a proof of work against spam.

Reply