La clave fundamental del Big Data radica en el an\u00e1lisis del dato, con el objetivo de extraer conclusiones y aprovecharlas para proveer de informaci\u00f3n \u00fatil a la organizaci\u00f3n. En este art\u00edculo, Iv\u00e1n Robles (Senior Data Scientist en Orange Espa\u00f1a y Profesor en el \u00a0M\u00e1ster en Big Data Management de ICEMD) nos proporciona un acercamiento a los principales m\u00e9todos estad\u00edsticos usados para este fin en Data Science.<\/p>\n
Es la era del dato. Tenemos datos de todas las clases, formas y colores.\u00a0<\/span>Se han desarrollado tecnolog\u00edas para almacenarlos sin tener problemas de volumen, velocidad o diversidad.<\/strong>\u00a0<\/span>\u00bfQu\u00e9 hacemos con ellos ahora? Queremos analizarlos, entenderlos, predecirlos y, sobre todo,\u00a0<\/span>sacar valor de ellos,<\/strong>\u00a0<\/span>que nos ayuden a optimizar y a tomar decisiones. \u00bfC\u00f3mo lo hacemos?<\/p>\n Data Science es la disciplina donde se analizan los datos,<\/strong>\u00a0<\/span>y los cient\u00edficos de datos son los encargados de hacerlo con t\u00e9cnicas de Machine Learning.\u00a0<\/span>Son los analistas de toda la vida, pero cargados con algoritmos estad\u00edsticos y potentes herramientas de c\u00e1lculo<\/strong>\u00a0<\/span>para poder ejecutarlos.<\/p>\n En una de las presentaciones m\u00e1s brillantes que he podido ver como profesor, uno de los alumnos busc\u00f3 la cifra precisa de cu\u00e1ntos algoritmos de Machine Learning existen. No recuerdo el n\u00famero exacto, pero hace un par de a\u00f1os eran miles, y sigue creciendo.\u00a0<\/span>En este art\u00edculo se muestran cu\u00e1les son los principales m\u00e9todos que un cient\u00edfico de datos debe conocer,<\/strong>\u00a0<\/span>bas\u00e1ndonos tanto en la frecuencia de uso y porque son la base conceptual para el entendimiento de otros algoritmos.<\/p>\n Regresi\u00f3n lineal<\/strong>: La cuna del Machine Learning.\u00a0<\/span>Un algoritmo b\u00e1sico que se aprende ya en el instituto. Introduce conceptos como la beta de las variables, p-valor o R Cuadrado<\/strong>. Todo cient\u00edfico de datos deber\u00eda conocer estos conceptos y saber interpretarlos a la perfecci\u00f3n.<\/p>\n Regresi\u00f3n log\u00edstica<\/strong>: Una modificaci\u00f3n de la regresi\u00f3n lineal para poder resolver problemas de clasificaci\u00f3n.\u00a0<\/span>Aproximadamente el 80% de los proyectos de Machine Learning son problemas de clasificaci\u00f3n<\/strong>. Aqu\u00ed se aprenden conceptos como la diferencia entre efecto multiplicativo y aditivo.<\/p>\n Series temporales<\/strong>: Como dec\u00eda Lewis Carroll en Alicia en el pa\u00eds de las maravillas \u201cEl tiempo es todo un personaje\u201d. Y para estudiarlo, es necesario conocer las series temporales.\u00a0<\/span>Otra peque\u00f1a modificaci\u00f3n de las regresiones lineales, donde se introducen conceptos como estacionalidad y tendencias<\/strong>\u00a0<\/span>a trav\u00e9s de los modelos ARIMA.<\/p>\n \u00c1rbol de decisi\u00f3n<\/strong>: Quiz\u00e1s el m\u00e1s entendible de los algoritmos, de cara a presentar resultados.\u00a0<\/span>Los \u00e1rboles con sus hojas y sus ramas han dado pie a los algoritmos m\u00e1s usados en la actualidad, Random Forest<\/strong>\u00a0<\/span>(no se hace un \u00e1rbol, se hacen miles y se ve lo que se aprende de todos ellos) y\u00a0<\/span>XGBoost<\/strong>\u00a0<\/span>(cada vez que se hace un \u00e1rbol, se observa donde se equivoca y se corrige con otro \u00e1rbol).<\/p>\n Red Neurona<\/strong>l:\u00a0<\/span><\/strong>Uno de los algoritmos m\u00e1s potentes y m\u00e1s oscuros,\u00a0<\/span>sabemos que acierta pero no el porqu\u00e9<\/strong>. Cada vez se est\u00e1n sacando mas herramientas para intentar que esa oscuridad se convierta en luz y entender c\u00f3mo aciertan las redes.\u00a0<\/span>Basadas en el cerebro humano, es b\u00e1sico conocer conceptos como capa, neurona o retropropagaci\u00f3n<\/strong>. Las t\u00e9cnicas que usa Deep Learning, ahora tan de moda, sobre todo en el uso de la inteligencia artificial para detecci\u00f3n de im\u00e1genes, voz o comprensi\u00f3n de texto,\u00a0<\/span>est\u00e1n basadas en redes neuronales<\/strong>. Estar actualizados en esta y otras t\u00e9cnicas es imprescindible para no perder competitividad, lo cual se puede conseguir con el\u00a0<\/span>M\u00e1ster en Big Data Management de ICEMD.<\/p>\n K-means<\/strong>: Otra de los algoritmos m\u00e1s conocidos, en este caso para hacer clustering.\u00a0<\/span>Nos sirve para agrupar y clasificar por caracter\u00edsticas similares<\/strong>. Conceptos como normalizaci\u00f3n o distancias son importantes en este algoritmo.<\/p>\n k-NN<\/strong>:\u00a0<\/span><\/strong>Tambi\u00e9n llamado k-vecinos.\u00a0<\/span>Usado para los recomendadores. \u00bfQu\u00e9 te voy a recomendar? Lo mismo que a tus vecinos<\/strong>, entendiendo como vecinos las personas que tengan tus mismos h\u00e1bitos.<\/p>\n PCA<\/strong>: An\u00e1lisis de componentes principales, es\u00a0<\/span>una de las t\u00e9cnicas llamadas de reducci\u00f3n de dimensionalidad<\/strong>. Muy usada en las encuestas. \u00bfPor qu\u00e9 usar cientos de variables si podemos utilizar solo unas pocas que resuman la informaci\u00f3n?\u00a0<\/span>Conceptos como rotaci\u00f3n son interesantes de aprender en estas t\u00e9cnicas<\/strong>.<\/p>\n Cadenas de Markov<\/strong>: Sirven para\u00a0<\/span>introducir la estad\u00edstica bayesiana y se ven conceptos como simulaci\u00f3n<\/strong>. Muy \u00fatil para cuando tenemos pocos datos, pues con estas t\u00e9cnicas se pueden dar pistas al modelo para que aprenda.<\/p>\n Simplex<\/strong>\u00a0<\/span>:\u00a0<\/span><\/strong>Este algoritmo est\u00e1\u00a0<\/span>centrado en buscar soluciones \u00f3ptimas con restricciones<\/strong>. Es\u00a0<\/span>el \u00faltimo paso de los modelos, donde puedes pasar de predecir a ser prescriptivo<\/strong>. Predecir es ver las posibles ventas de una empresa bajo ciertas hip\u00f3tesis. Ser prescriptivo es decir qu\u00e9 palancas hay que tocar para maximizar las ventas. Es\u00a0<\/span>el \u00faltimo paso para sacar todo el rendimiento a los algoritmos<\/strong>, y el m\u00e9todo del simplex es la base para entender c\u00f3mo se puede realizar esto.<\/p>\n Muchos algoritmos no se han mencionado aqu\u00ed y muchos quedan por venir. Un n\u00famero de algoritmos que est\u00e1 en continuo crecimiento y muy relacionado con la investigaci\u00f3n en las universidades y en las empresas.\u00a0<\/span>En este art\u00edculo se ha querido destacar la base de data science para los interesados en adentrarse en esta disciplina<\/strong>, pero como se puede deducir, hay un camino de aprendizaje que nunca termina.<\/p>\n \u00bfQuieres adquirir los conocimientos necesarios para poder\u00a0<\/span>resolver problemas complejos mediante modelos anal\u00edticos avanzados<\/strong>? F\u00f3rmate con el\u00a0<\/span>M\u00e1ster en Big Data Management de ICEMD.<\/p>\n Fuente: Muy Computer Pro<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":" La clave fundamental del Big Data radica en el an\u00e1lisis del dato, con el objetivo de extraer conclusiones y aprovecharlas para proveer de informaci\u00f3n \u00fatil a la organizaci\u00f3n. En este art\u00edculo, Iv\u00e1n Robles (Senior Data Scientist en Orange Espa\u00f1a y Profesor en el \u00a0M\u00e1ster en Big Data Management de ICEMD) nos proporciona un acercamiento a […]<\/p>\n","protected":false},"author":1,"featured_media":16809,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[377],"tags":[],"class_list":["post-16808","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data"],"yoast_head":"\n\u00bfCu\u00e1les son los m\u00e9todos estad\u00edsticos m\u00e1s usados en Data Science?<\/h5>\n