Clase 2 - Tipos de datos

Objetivos de Aprendizaje

  • Definir Big Data.

  • Mencionar y definir diferentes fuentes de datos de big data.

  • Identificar y explicar las diferentes etapas de un proceso de ciencias de datos.

  • Explicar de forma general el proceso de aprendizaje automatico supervisado y aprendizaje automatico no supervisado.

  • Definir e identificar datos estructurados y datos no estructurados.

  • Describir tres propiedades de los datos estructurados ordenados.

  • Describir cinco sintomas de datos desordenados.

  • Analizar casos de uso e identificar al menos tres caracteristicas asociadas con big data.

Slides

Ejercicios

1) Miren el video de esta municipalidad que utiliza BigData, discutan en grupo para contestar las siguientes preguntas:

Duración: ~15 minutos

Video

Preguntas:

  • ¿Sobre qué servicio trabajaron?

  • ¿Pueden identificar las 3 Vs del BigData en este proyecto? mencione como está representada y porqué.

    • Velocidad:
    • Volumen:
    • Variedad:

  • ¿Pueden identificar alguna V más?

  • ¿Se les ocurren problemas con estas características en sus trabajos?, mencione algunos ejemplos de ser así.

2) Miren el video de este club deportivo que utiliza Ciencia de Datos, discutan en grupo para contestar las siguientes preguntas:

Duración: ~15 minutos Video: (5 minutos): Big Data y fútbol: así aprovecha el Real Madrid la tecnología

Charlar en grupo para contestar estas preguntas (10 minutos):

¿Cómo toman los datos de los jugadores?

Anoten algunos de los datos que se mencionan que se registran

¿Mencionan modelos?¿Cuáles?

De acuerdo a lo que vimos en la teoría, ¿pueden indicar si son modelos de predicción o clasificación? ¿pueden indicar si podrían utilizar aprendizaje supervisado o no supervisado?

3) Crear una estructura tidy

Duración: ~10 minutos

Tengo que recolectar datos de lluvias de diversas localidades, necesito almacenar la latitud y longitud del lugar donde está el pluviómetro, el nombre del lugar y el nombre y teléfono del responsable de tomar los datos.  También debo almacenar la fecha y la cantidad de mm de lluvia precipitados en esa fecha.

  1. ¿Cuántas tablas debería generar?

  2. Cuáles serían las columnas (estructura) del conjunto o conjuntos de datos para poder almacenar esta información de forma tidy. 

Extra: 4) Ordenen el siguiente conjunto de datos de forma tidy u ordenada.

Duración: ~10 minutos

La columna lote hace referencia al nombre del lote en un campo, contiene tres columnas por cada año con los valores promedio, máximo y mínimo del porcentaje de superficie cosechada en cada lote.

Generar una estructura tidy de este conjunto de datos.

Lote 2009 avg 2009 max 2009 min 2010 avg 2010 max 2010 min
A - - - - - -
18 >95% >95% >95% >95% >95% >95%
La loma 77% 89% 3% 75% 88% 3%
A2 25% 35% 19% 25% 35% 19%

Lecturas sugeridas