Data Science

“Data! Data! Data!” he cried impatiently. “I can’t make bricks without clay.”

— Arthur Conan Doyle

@educharlief

MSc. Carlos Fuentes

Historia

Historia

1.49 Billion perfiles 4.5 B. likes/mes 300 PB 5 nuevos perfiles c/seg

Cada 60 segundos en facebook: 510 comentarios 293000 estados

136000 fotos

Fuente: https://zephoria.com/top-15-valuable-facebook-statistics/ Octubre 2015

500 M 284 M 200 M

Cuan grande son los datos?• Byte Un grano de arroz

• Kilobyte Una taza de arroz

• Megabyte 8 libras de arroz

• Gigabyte 3 contenedores de camiones

• Terabyte 2 contenedores de barcos

• Petabyte Cubre Manhattan

• Exabyte Cubre UK (3 veces)

• Zettabyte Llena el océano Pacífico

Entonces..?• Estamos generando más datos que nunca

• Transacciones financieras

• Sensores de red

• Logs de aplicaciones

• Correo electrónico y mensajes de texto

• Redes sociales

• Estamos generando nuevos datos más rápido

• Automatización

• Conectividad de internet ubicua

• Contenido

Qué es un Data Scientist?

Algebra Lineal

Análisis estadístico

Análisis predictivo

Entrenamiento científicoMachine Learning

Minería de datosProcesamiento de datos &

Bases de datos

Herramientas de BI

Big Data

PHD en:Ciencias de la Computación?

Estadística?Física?

Biología?

Qué es Data Science?

• Campo multidisciplinario

• Extraer conocimientos o puntos de vista de los datos en diversas formas

• Combinación con estadística, análisis predictivo, minería de datos, etc.

http://www.datascienceontology.com/

Necesitaremos un Data Scientist?

• Necesitaremos una pelotón de PHDs para resolver problemas de machine learning?

• Probablemente no.

• Creo que si.

• Podremos encontrar mas valor en los datos que recogemos?

• Por supuesto!

• Necesitaremos personal que nos ayude a encontrar ese valor?

Puedo convertirme en un Data Scientist?

• Desarrolladores quienes quieran:

• Orientarse mas por las estadísticas.

• Mejor entendimiento del negocio.

• Analistas de negocio quienes:

• Tenga alguna habilidad para programar.

• Quieran crecer sus capacidades técnicas.

• Todos los candidatos deberían:

• Tener tremenda curiosidad

• Ser auto-manejables.

Machine Learning

• Object recognition

• Speech recognition

• Automated translation

Casos de uso• Finanzas

• Fraude electrónico

• Riesgo de análisis de un cliente

• Ventas

• Recomendación de productos

• Predecir e incentivar la compra

• Telecomunicaciones y utilidades

• Predecir el fallo de equipos

Y más…• Acelerar el tratamiento para enfermedades

• Uso de Deep Learning sobre registros para detectar cancer

• Política (Preferencia de votos)

• Ética gubernamental

• Neurociencia

GRACIAS

cfuentes@thoughtworks.com