¿Qué es la ciencia de los datos IBM?

Recientemente resumí mi experiencia completando el IBM Data Science Certification ( ¡Míralo aquí! ) y recibió toneladas de feedback impresionante que algunos deseaban aprender más sobre cada curso. Decidí desglosar cada uno de los 10 cursos y discutir conceptos y definiciones importantes discutidos dentro de esos cursos. Mi objetivo es proporcionar información fuera del curso que puede ayudar a fortalecer sus conocimientos sobre los objetivos establecidos por los creadores del curso. Si bien estas publicaciones no necesariamente le darán todas las respuestas, proporcionarán conocimientos básicos para completar la especialización en ciencia de datos y para un mayor desarrollo en su propia carrera.

El curso 1 de la Certificación de Datos de IBM está dirigido a introducir al estudiante en lo que es la ciencia de datos y algunos de los conceptos importantes relacionados con la ciencia de datos. Este curso no es intensivo en codificación, sino que proporciona definiciones e información al usuario para que pueda tener conocimiento de las herramientas utilizadas por los scienctistas de datos. El curso comienza con la explicación de la escenografía de datos y cómo uno se convierte en un científico de datos, y termina con aplicaciones del mundo real de la ciencia de datos, así como un informe strucutre para presentar datos a un cliente.

Los objetivos de aprendizaje de esta semana están dirigidos a la comprensión de tres conceptos:

¿Qué es la ciencia de los datos?

“Un campo interdisciplinario que utiliza métodos, procesos, algoritmos y sistemas científicos para extraer conocimientos e ideas de datos ruidosos, estructurados y no estructurados, y aplicar conocimientos e ideas prácticas de datos en una amplia gama de ámbitos de aplicación”.

“La ciencia de los datos es un proceso, no un evento. Es el proceso de usar datos para entender diferentes cosas, para entender el mundo.” — “La ciencia de los datos es el arte de descubrir las ideas y tendencias que se esconden detrás de los datos. Es cuando se traducen los datos en una historia. Así que usa la narración para generar perspicacia. Y con estas ideas, puedes tomar decisiones estratégicas para una empresa o una institución”.

“La ciencia de los datos es un enfoque multidisciplinario para extraer información práctica de los grandes y cada vez mayores volúmenes de datos recopilados y creados por las organizaciones actuales. La ciencia de los datos abarca la preparación de datos para su análisis y procesamiento, la realización de análisis avanzados de datos y la presentación de los resultados para revelar patrones y permitir a las partes interesadas extraer conclusiones fundamentadas”.

Si bien la ciencia de los datos puede tener muchos significados, el objetivo principal es que la ciencia de los datos abarca muchas disciplinas diferentes (en realidad, cualquier industria puede utilizar herramientas de ciencia de los datos). Por ejemplo. mi formación es una licenciatura en economía con chino y una maestría en investigación de operaciones.

Caminos que pueden conducir a carreras en Ciencia de Datos

Hay muchos caminos para convertirse en un científico de datos. Tanto si eres autodidacta como si estás matriculada en un currículo de ciencia de datos, todos tienen la oportunidad de marcar la diferencia para los clientes que utilizan la ciencia de datos. Como ha informado Careerkarma, las siguientes industrias proporcionan actualmente el mayor apoyo para una entrada y una trayectoria en una carrera de ciencia de datos:

Servicios financieros
Tecnología de la información
Atención de la salud
Comercio al por menor
Medios de comunicación/entretenimiento

Asesoramiento de Data Scientist

Consejos del curso:

Las características expuestas por el mejor Los científicos de datos son aquellos que son curiosos, hacen buenas preguntas, y están bien. hacer frente a situaciones no estructuradas.

Mi consejo:

Mientras todavía estoy temprano en mi carrera en ciencias de datos. mi consejo es seguir constantemente avanzando, aprendiendo, leyendo e investigando todo lo relacionado con la ciencia de los datos (inteligencia artificial, aprendizaje automático, etc.). Además, estoy constantemente tratando de conocer y preguntar a los científicos de datos de éxito lo que me recomiendan para que siga haciendo. Por último, continuamente estoy llegando a las empresas para ver si tienen algún proyecto que necesite un enfoque de ciencia de datos para obtener más experiencia, así como construir una cartera de proyectos con más amplitud.

Los objetivos de aprendizaje para la semana 2 están dirigidos a la comprensión de tres conceptos:

Big Data y sus características (Volumen, Velocidad, Veracidad, Valor)
Herramientas de Big Data (El curso se centra en Hadoop)
Habilidades Se requiere para ser un científico de datos, así como para trabajar con Big Data

Herramientas de Big Data

La biblioteca de software Apache Hadoop es un framework que permite el procesamiento distribuido de grandes conjuntos de datos a través de clústeres de computadoras utilizando modelos de programación simples. Está diseñado para ampliar de servidores individuales a miles de máquinas, cada una de las cuales ofrece computación y almacenamiento locales. En lugar de confiar en el hardware para ofrecer alta disponibilidad, la propia biblioteca está diseñada para detectar y manejar fallos en la capa de aplicación, por lo que la prestación de un servicio altamente disponible en la parte superior de un clúster de ordenadores, cada uno de los cuales puede ser propenso a fallos.

Obtener sus ideas para el mercado más rápido con una plataforma de datos de aplicaciones construida en la base de datos líder moderna. Soporta casos de uso transaccional, de búsqueda, de análisis y móvil mientras usas una interfaz de consulta común y los desarrolladores de modelos de datos adoran.

Apache Cassandra es una base de datos distribuida NoSQL de código abierto en la que confían miles de empresas para escalabilidad y alta disponibilidad sin comprometer el rendimiento. La escalabilidad lineal y la tolerancia probada de fallos en el hardware de productos básicos o la infraestructura en la nube la convierten en la plataforma perfecta para datos de misión crítica.

La creación de una cultura basada en los datos en toda la empresa ya no tiene que añadir niveles de complejidad que afecten a la agilidad de las empresas. A medida que continúa el crecimiento y la distribución de los datos, las empresas deben facilitar a los empleados el acceso a los datos necesarios para tomar las decisiones correctas. Es esencial. Porque donde los datos fluyen, las ideas siguen.

OpenRefine (anteriormente Google Refine) es una poderosa herramienta para trabajar con datos desordenados: limpiarlos, transformarlos de un formato a otro y ampliarlos con servicios web y datos externos.

OpenRefine siempre mantiene tus datos privados en tu propio ordenador hasta que quieras compartir o colaborar. Sus datos privados nunca salen de su computadora a menos que lo desee. (Funciona ejecutando un pequeño servidor en su ordenador y utiliza su navegador web para interactuar con él)

Competencias en ciencias de los datos

Competencias discutidas por el curso:

Cómo extraer datos.

Como se indica en zipreporting , hay 7 pasos en el proceso de ciencia de datos:

Limpieza de datos ~ Limpie los datos para que puedan ser leídos en el programa que se está usando (llene las entradas que faltan, etc.).
Evaluación de patrones ~ La discusión y recopilación de ideas sobre los patrones de un conjunto de datos por un experto en materia y científico de datos.
Representar el conocimiento en la minería de datos ~ El uso de visualizaciones, informes y presentaciones para informar al cliente de la información descubierta a través de la minería de datos.
Cómo usar Machine Learning.

Hay muchas maneras de aprender a utilizar e implementar técnicas de aprendizaje automático en un conjunto de datos. Mi consejo es aprender las matemáticas detrás de los algoritmos de aprendizaje automático que implementas antes de usarlas. Una vez que sepas lo que hace un algoritmo específico, te recomiendo elegir un lenguaje de codificación y pegarte a él. Por ejemplo, codigo en Python y algunas de las principales bibliotecas de aprendizaje automático de Python son:

TensorFlow ~ Útil para programar algoritmos de aprendizaje automático que se pondrán en funcionamiento en el flujo de trabajo diario de una organización determinada.

Aprender a entender e implementar Deep Learning está definitivamente más allá del alcance de esta publicación. La definición de Aprendizaje Profundo, definida por Wikipedia , es el uso de redes neuronales artificiales (o variaciones de redes neuronales) para el aprendizaje de la representación. Esto puede incluir tareas de aprendizaje supervisadas, semisupervisadas y no supervisadas. La idea principal es Deep Learning utiliza redes neuronales.

Los objetivos de aprendizaje de la Semana 3 están dirigidos a la comprensión de tres conceptos:

Datos generados por el consumidor

La nueva temporada para este objetivo en el curso es que el estudiante entienda que muchos de los datos utilizados por las empresas para la formación de sus algoritmos de aprendizaje automático es producido por el consumidor. Los datos generados por los consumidores incluyen:

Mientras que la estructura de un informe variará de un proyecto a otro, esta es una gran guía general a seguir al crear el documento final para su investigación!

Por ser este el primero de diez cursos en el Certificado de Ciencias de Datos de IBM, este curso hace un gran trabajo de proporcionar información de antecedentes al usuario. Comprender los antecedentes de la ciencia de los datos es importante para que el usuario sepa por qué puede estar implementando un cierto algoritmo de aprendizaje automático más adelante en el curso. Recomiendo encarecidamente este curso para cualquier persona que quiera obtener una comprensión general de lo que es la ciencia de datos, así como para ver qué empresas están implementando la ciencia de datos en su día a día a las operaciones.

Si te ha gustado la lectura de hoy, por favor dame un seguimiento y házmelo saber si hay otro tema que te gustaría que explorar! Además, añádame en LinkedIn , ¡O siéntete libre de extender la mano! ¡Gracias por leer!