Facultad de Ciencia, Tecnología y Ambiente

Fundamentos de Sistemas Expertos

Docente: Roberto Munguía
Grupo: 0392

Práctica #3: Modelos predictivos

Elaborado por:

Ivette Tatiana Munguía Cano

Maritza de los Ángeles Estrada Taleno
Ricky Deyrin Bonilla Rodríguez
Yulissa del Carmen Pérez Hernández

Managua, 1 de noviembre de 2020

 Facultad de Ciencia, Tecnología y Ambiente
Fundamentos de Sistemas Expertos
Práctica #3: Modelos predictivos

1. ¿Para qué puede ser útil esta información?

La base de datos está compuesta por información de las aplicaciones que se
encuentran disponibles en Google Play Store, consideramos que su utilidad es que nos
permite conocer el mercado actual en el desarrollo móvil y así crear nuevas
aplicaciones a partir de las estadísticas proporcionadas, es decir, dos columnas que
consideramos importantes, categoría y el rating de las aplicaciones, dos variables que
reflejan dónde está el interés de los futuros clientes potenciales, los desarrolladores
toman en cuenta el éxito previo para así construir una aplicación que sea útil y de
interés para asegurar mayor cantidad de éxito.

2. ¿Cuáles atributos del dataset son importantes?

Luego de haber limpiado el dataset aplicando un filtro donde se excluyeron los campos
con datos perdidos, que no concordaban con la columna, etc. Teniendo así una mejor
posibilidad de obtener mejor información del dataset, podemos concluir que, las
aplicaciones de paga son las que mejor rating poseen, esto debido a que, al ser un
servicio de paga, se deben cumplir una serie de requerimientos para que los usuarios
se sientan satisfechos y para nada arrepentidos de haber invertido su dinero en tal
aplicación, sin embargo, entre las categorías con mayor probabilidad a tener una buena
calificación, cuando son elaboradas bajo buenos estándares de calidad y sin ningún
compromiso de pago tenemos:
a. Educación
 Facultad de Ciencia, Tecnología y Ambiente
Fundamentos de Sistemas Expertos
Práctica #3: Modelos predictivos

En esta categoría, podemos observar que el 58.83% de las aplicaciones son gratis y
tienen un rating superior a los 4 puntos, considerándose algo muy significante ya que, a
pesar que las aplicaciones de paga tengan métodos más colaborativos en su
característica plus, con las opciones de paga se puede aprender de una forma básica y
a la hora que se desee, algunos usuarios que deseen aprender cuentan con un tiempo
más limitado.

b. Comunicación

Otro aspecto importante que podemos obtener a través del análisis del dataset es que
un 80.5% de los usuarios prefieren los medios gratuitos de comunicación, entre estas
aplicaciones se destacan, Messenger, Facebook, WhatsApp, Gmail, Hangouts, entre
otros, donde la comunicación se basa en el wifi que se posea, mientras que, las
aplicaciones de paga contienen características donde no se necesita de este servicio
para poder comunicarse, haciéndolo menos necesario en una vida cotidiana.

3. ¿Qué conocimiento podemos obtener y aplicar al dataset, si desarrollamos

una app Android?
La información que nos brinda el dataset nos ayuda a entender de una manera más
técnica como se manejan los gustos y preferencias de los usuarios en cuanto a sus
categorías de interés. A partir de esta información, cualquier persona con un proyecto
en mente, podría ver si en esa categoría, las personas prefieren apps de paga o
 Facultad de Ciencia, Tecnología y Ambiente
Fundamentos de Sistemas Expertos
Práctica #3: Modelos predictivos

gratuitas, también podría valorar que tan buen rating tienen las de paga y las que son
gratuitas. Otra manera en la que podría obtener más información, es viendo la cantidad
de reviews que suelen tener en promedio las apps de su campo de interés; a través de
estos datos podría sacar conclusiones sobre si son muy buscadas o poco buscadas,
discutidas o poco discutidas. Básicamente, cualquier criterio o atributo que se pueda
considerar valioso, se puede determinar si el nivel de correlación que existe entre dicho
atributo y el rating de nuestra aplicación es positivo o negativo, e irla construyendo en
base a estos criterios.

Cómo un plus a la actividad, hemos decidido realizar una pequeña propuesta de

aplicación en base a los datos que se han obtenido.
Se trata de una aplicación gratuita y ofrecerá contenido interactivo para el usuario,
incluyendo módulos progresivos de lecciones sobre principios básicos de programación
en los distintos lenguajes de desarrollo tales como Python, Go, JavaScript, Php, Dart,
C#, qué son los más utilizados en la actualidad, además de contar con un apartado
sobre diseño para que el cliente pueda aprender sobre fundamentos del diseño y lograr
aplicaciones más atractivas e intuitivas.
Con esto aportaremos a un mejor desarrollo cognitivo en las personas y esto permitirá
un incremento de las habilidades relacionadas con el razonamiento analógico,
fomentando un uso interdisciplinar de las habilidades involucradas en dicho proceso,
además se verán favorecidos en la adquisición de un razonamiento condicional
motivado por las conexiones lógicas que se establecen. 

Video propuesta acerca de cómo se vería la aplicación:

https://drive.google.com/file/d/1T0-kPsh1rQ5AaPYC9vNIftmm9KXCmjik/view?
usp=sharing
 Facultad de Ciencia, Tecnología y Ambiente
Fundamentos de Sistemas Expertos
Práctica #3: Modelos predictivos

Referencias bibliográficas

Google Play Store Apps. (2019, 3 febrero). Kaggle.

https://www.kaggle.com/lava18/google-play-store-apps