Capacitación profesional en Analítica e Ingeniería de Datos
El 80% del esfuerzo de crear una aplicación de Ciencia de Datos o de Inteligencia Artificial se concentra en tener los datos apropiados y colocarlos en un formato que permita al modelo crearse.
Es de vital importancia conocer a fondo como trabajar con los datos y como las diferentes técnicas de acondicionamiento los afectan, muchos proyectos fracasan debido al uso de datos inapropiados para el modelo.
El tener una capacitación fuerte y fundamentada en el análisis, la visualización y el acondicionamiento de los datos nos permite ahorrar tiempo, reducir o eliminar problemas y facilitar el desarrollo de los modelos a usarse en la aplicación final de Ciencia de Datos o Machine Learning.
Por eso hemos creado tres cursos que sientan bases sólidas para poder lelvar a cabo el ánalisis y la interpretación de los datos, así como ingeniería para poder ser utilizados de forma optima por los algoritmos.
– Análisis de Datos y Visualización
– Ingeniería de Datos
– Selección de Características
Sin importar si vamos a trabajar con Machine Learning, Deep Learning o Data Science la calidad de los resultados depende de la calidad de los datos que tenemos.
En este curso aprendemos las bases del análisis de datos con Python. Usaremos dos de las herramientas más importantes que son Pandas y NumPy, las cuales nos permiten manipular los datos de diferentes maneras. Con esto se logran Daasets limpios que pueden ser usados por los diferentes algoritmos.
La información procesada necesita ser desplegada para comprenderse mejor. Existen muchas herramientas con las que podemos crear diferentes tipos de gráficos y desplegados. Durante el curso aprenderemos las bases de estas tecnologías que nos permitirán mostrar los datos y resultados de forma útil.
Empezamos conociendo dos de la bibliotecas más importantes de Python: Pandas y Numpy. Posteriormente vemos las herramientas de visualización y geovisualización, donde no sólo se aprende como crear las gráficas, sino a interpretar lo que ellas nos dicen. Posteriormente hay un repaso a los temas de estadística que serán necesarios en cursos posteriores.
En la gran mayoría de los proyectos relacionados con Machne Learning, Deep Learning y áreas relacionadas el tener los datos correctos constituye el 80% del esfuerzo necesario. Esto hace que la ingeniería de datos sea esencial para poder desarrollar un buen proyecto y producto.
En este curso se cubren los temas más importantes para limpiar y colocar los datos en una forma que sean útiles a los algoritmos que los van a utilizar y al mismo tiempo poder conocer los datos a fondo para tener un mejor conocimiento del problema que lleve a mejores tomas de decisiones.
Se conocerán lso diferetnes tipos de variables y la importancia de cada una. Los datos faltantes son un gran problema que aprenderemos a resolver. También se aprenderá como codificar la variables, pues la gran mayoría de los algoritmos sólo trabajan con datos numéricos. La transformación y discretización de las variables es otra área muy importante para mejorar el desempeño de los algoritmos, así como su escalamiento. Un desafío al que hay que saber cómo resolver es el manejo de datos atípicos que pueden crear sesgos o problemas en los modelos de ML. No hay que olvidar que es necesario conocer como trabajar con variables mixtas y la información en foramto de tiempo y fecha.
Los datasets pueden contener una gran cantidad de características y entrenar el modelo con todas no siempre es lo más recomendable. Hay características que pueden ser usadas como predictores, otras no tienen valor y de otras es difícil saber. El tener las características que proveen el mayor poder predictivo y eliminar aquellas que no, permiten reducir los tiempos de entrenamiento y mejorar el desempeño del modelo.
Existen diversas técnicas que se pueden usar y al final se tendrá y un dataset más eficiente y profesional. Veremos siete métodos de filtrado que resultan muy útiles, además de técnicas como los métodos wrapper, los métodos embebidos y también los métods híbridos.
Al seleccionar las características se mejora el desempeño del modelo sin sacrificar mucha precisión, se logra eliminar ruido en los datos y aquellas variables que realmente no están proporcionando información útil.
