Métodos Aplicados de Matemáticas y Estadística
En general, los métodos y técnicas matemáticas en particular en estadística, han mostrado ser indispensables en el análisis de información que realiza un científico de datos. El análisis de información requiere de una curiosidad creativa que en gran medida la brinda el razonamiento lógico que proveen los conocimientos de probabilidad y estadística, pues éstos permiten obtener resultados cuantificables, para problemas específicos. En particular, la estadística ha contribuido, en gran medida, que la ciencia de datos desarrolle nuevas fronteras en cuanto a los problemas que pueden resolverse a partir de los datos. La estadística es fundamental, entre otras cosas, para medir la calidad de los datos, así como la calidad de los productos de datos desarrollados.
La ciencia de datos puede verse como un marco que unifica la aplicación de la estadística, el análisis de datos y el aprendizaje automático para comprender y analizar los fenómenos reales. No es posible formar a un científico de datos sin una base sólida en optimización, álgebra lineal y estadística.
Integrantes del Núcleo Académico Básico que conforman la LGCA
- Espinoza Fierro, Jesús
- Figueroa Preciado, Gudelia
- Gutú Ocampo, Olivia
- Minjárez Sosa, Jesús Adolfo
Desarrollo de Producto de Datos
El propósito de la creación de la MCD es para impulsar la creación del científico de datos como profesión. Los científicos de datos deben de unificar los conocimientos de manejo de información, estadística, aprendizaje automático y manejo de grandes volúmenes de datos para contribuir en la economía de datos. Esto es, convertir los datos en inteligencia accionable a través del desarrollo de productos de datos aplicados en empresas, sociedad, gobierno o internet.
Para esto es necesario contar con habilidades tanto en el desarrollo de software, la visualización de datos y el trabajo interdisciplinario. Igualmente, un científico de datos debe mostrar el valor (intangible) de su trabajo por lo que son necesarias en su desarrollo las habilidades gerenciales y de administración de proyectos.
Aunque actualmente es relativamente sencillo accesar a grandes volúmenes de datos, éstos generalmente están disponibles en diversos formatos, contienen errores de captura, o se encuentran registrados en forma no estructurada (como son los mensajes de correo electrónico, archivos de audio o video, mediciones satelitales de distintas variables en la naturaleza, información en redes sociales, etcétera). Para poder realizar un análisis predictivo cuando se tienen grandes volúmenes de datos heterogéneos, los métodos que están ofreciendo mejores resultados actualmente pertenecen al área de aprendizaje automático, más específicamente en aprendizaje profundo, por lo que todo científico de datos debe conocer y saber aplicar dichos modelos de predicción y estimación.
Integrantes del Núcleo Académico Básico que conforman la LGCA
- Cota Ortiz, Guadalupe
- Flores Pérez, Pedro
- Soto Barrera, Juan Pablo
- Waissman Vilanova, Julio