Data Science

Svet Ivantchev, eFaberUniEE, 7 de marzo de 2012

El sexy job del la década?

“I keep saying the sexy job in the next ten years will be statisticians. People think I'm joking, but who would've guessed that computer engineers

would've been the sexy job of the 1990s?”

Hal Varian, The McKinsey Quarterly, January 2009

http://www.dataists.com/2010/09/the-data-science-venn-diagram/

http://www.mymodernmet.com/profiles/blogs/stephen-wildish-clever-venn-diagrams

http://www.mymodernmet.com/profiles/blogs/stephen-wildish-clever-venn-diagrams

Hablaremos de:

• Presentación de datos

• Aprendizaje automático

• Estadística

• Big Data

Presentación de datos

Cuatro “sets” de datos con los mismas “medidas”

Anscombe, F. (1973), Graphs in Statistical Analysis, The American Statistician, pp. 195-199.

Los mismos promedios presentados gráficamente

http://en.wikipedia.org/wiki/Anscombe%27s_quartet

Ej: Epidemia de cólera en Londres

• año 1854

• 19 de agosto -- 29 de septiembre: 616 muertos

• tardan 2.5 semanas en descubrir el motivo

Comparativas sin sentido

Radiación solar y la bolsa

El contexto

NYT y la deuda de los países

http://www.nytimes.com/interactive/2011/10/23/sunday-review/an-overview-of-the-euro-crisis.html

Estadística 101

Aprendizaje automático(aka Machine Learning)

Desarrollo de algoritmos y métodos quepermiten a los ordenadores “evolucionar”

en base de datos empíricos

Temas y ejemplos

• Clasificación

• Recomendaciones

• Clustering (con zip :-) ?)

• Ejemplo y relación con Compresión

• En la vida real I: datos vs algoritmos

• En la vida real II: experiencia vs metodología

Relacionado: búsqueda

• Idea de TF-IDF, tf (t, d) * idf (t, D)

• Idea de PageRank

Peligro: Usar sin entender

Otro ejemplo (mejor)

Datos propios

• Con un móvil Android

• Del coche

Con un Android

OBD II

GPS speed

Engine RPM

Acc pedal pos

Fuel flow

CO2

Recapitulando

• Visualización

• Gestión de muchos datos

• Métodos matemáticos y estadística