Universidad Tecnológica

de Santa Catarina

Unidad de aprendizaje: Extracción de

Conocimiento en Bases de Datos

Nombre de la actividad: Identificar los conceptos

de inteligencia artificial y big data.

Alumno: Luis Gerardo Olvera Galván

Matrícula: 16438 Grupo: D

Cuatrimestre: 9

Nombre del maestro: Mónica Janeth Rodríguez

Reyna

Santa Catarina, Nuevo León a 20 de mayo del 2022

  Actúa como un input que recibe un conjunto masivo de datos
que necesitan ser procesados y los estandariza para convertirlos
en útiles.

R: El Big Data

 Que es y cuál es su principal funcionalidad de Big Data

El big data permite recopilar información de las visitas de la página web, redes
sociales, registros de llamadas y otros orígenes de datos para perfeccionar la
experiencia de interacción, así como optimizar el valor que se ofrece.

 Proceso de Información

Análisis interno

El Ciclo de vida del Big Dara debe comenzar con la comprensión del negocio y
una justificación de la necesidad de llevar a cabo un análisis de este tipo, así como
el establecimiento de los objetivos que se desean alcanzar. Esta etapa de análisis
permite comprender la situación actual de la empresa y qué recursos serán
requeridos a lo largo del análisis.

Asimismo, se deben establecer aquellos KPI necesarios para comprender los

resultados del análisis y su capacidad para cumplir las metas y objetivos
establecidos.

Recogida y filtrado de datos

Esta parte del Ciclo de Vida del Big Data se dedica a identificar aquellos datos
relevantes para el análisis, identificando las fuentes para encontrar patrones y
correlaciones.

La selección de datos depende de la naturaleza del problema y de los objetivos

que se hayan establecido en la primera parte del ciclo. Los datos son recogidos y
sometidos a un filtrado de datos corruptos o datos que no responden con los
objetivos establecidos.

Extracción de información

El objetivo principal de los datos es transformar éstos en información. En esta

etapa se lleva a cabo la extracción de datos y su transformación en un formato
comprensible para poder hacer un análisis de datos.

Validación y limpieza de los datos

Los datos erróneos o inválidos pueden dar lugar a resultados falsos que
perjudiquen al análisis. La naturaleza no estructurada del Big Data dificulta la
validación de los mismo. Por ello, esta etapa del Ciclo de Vida del Big Data es
fundamental, ya que permite llegar a los datos más relevantes para los objetivos
marcados.

Además, este análisis no sólo permite desechar aquellos datos inválidos, sino que
el análisis y observación de dichos datos permiten establecer patrones y
tendencias que contribuyan a mejorar la comprensión sobre los datos a analizar.

Análisis de los datos

En esta etapa se desarrolla la integración de conjuntos de datos con el fin de dar

una visión unificada de la información. A lo largo de esta etapa del ciclo se pueden
presentar varios problemas de estructura de los datos y etiquetas.

Análisis de datos

Una vez organizados los datos, es necesario transformarlos en información que

aporte valor. Toda la información útil extraída ha de “traducirse” en forma de
informes que permitan la correcta interpretación de estos.
  Gráfica de Información

 ¿Qué es el procesamiento de datos?

El Big Data es el análisis masivo de datos. Una cuantía de datos, tan sumamente
grande, que las aplicaciones de software de procesamiento de datos que
tradicionalmente se venían usando no son capaces de capturar, tratar y poner en
valor en un tiempo razonable.

 Inteligencia Artificial

es la combinación de algoritmos planteados con el propósito de crear máquinas

que presenten las mismas capacidades que el ser humano. Una tecnología que
todavía nos resulta lejana y misteriosa, pero que desde hace unos años está
presente en nuestro día a día a todas horas.
  Se conoce como inteligencia artificial a:

La inteligencia artificial es, en ciencias de la computación, la disciplina que intenta

replicar y desarrollar la inteligencia y sus procesos implícitos a través de
computadoras.

 Power BI

Power BI es un servicio de análisis de datos de Microsoft orientado a proporcionar

visualizaciones interactivas y capacidades de inteligencia empresarial con una
interfaz lo suficientemente simple como para que los usuarios finales puedan crear
por sí mismos sus propios informes y paneles.

 Que beneficios proporciona la Inteligencia Artificial aplicada

al Big

Aceleran su curva de aprendizaje y también permiten la automatización del

análisis de datos. Cuanta más información hay para procesar, más datos recibe el
sistema, más aprende y, en última instancia, más preciso se vuelve.

 Es una de las ramas de la Inteligencia Artificial (IA) que tiene

más potencial de futuro y que ofrece más

R. Machine Learning (ML).

 beneficios a la industria.

1. Aumenta la eficiencia:

La IA mejora la eficiencia de los procesos considerando la velocidad del trabajo. A

diferencia de la inteligencia humana, las máquinas pueden volverse más
inteligentes a través de un aprendizaje continuo, puesto que la IA incorpora la
capacidad cognitiva. Esta eficiencia no solo viene acompañada de la velocidad,
sino también de la precisión y la exactitud, considerando que una solución de IA,
que cumpla con un proceso de testeo y prueba adecuada, tiene pocas
probabilidades de cometer errores.

2. Rompe barreras de ubicación y distancias:

A través de la IA no existirán barreras causadas por la ubicación geográfica ni por

las distancias. Tecnologías como drones inteligentes, imágenes satelitales
administradas a través de la IA, vehículos autónomos, entre otros, son ejemplos
de soluciones tecnológicas que permitirán llegar a lugares antes impensados e
inalcanzables.

3. Libera a los trabajadores para realizar tareas operativas que no

agregan valor:

Utilizando la capacidad de automatización de la IA, las tareas pueden delegarse a

soluciones de Machine Learning (máquinas inteligentes), y de esta forma los
empleados pueden invertir mayor parte de su tiempo a tareas de análisis, diseño,
creatividad, planificación, etc. las cuales mejorarán tanto su motivación como el
clima laboral de las compañías.

4. Genera más empleos de los que elimina:

Se predice que, para fines del 2019, la IA creará más empleos de los que está
tomando. Mientras que la automatización reemplazará 1,8 millones de puestos de
trabajo, especialmente en la fabricación, que probablemente se verá mayormente
afectada, se crearán 2,3 millones. El objetivo de la IA es complementar el trabajo
de los humanos, no compitiendo con estos. La fórmula a seguir es la de combinar
la fuerza de trabajo y la capacidad de aprendizaje, investigación y desarrollo
asistidos por la Inteligencia Artificial.
5. Mejora el estilo de vida de las personas:

Los avances tecnológicos han contribuido desde décadas al mejoramiento del

estilo de vida de las personas, de hecho, muchos de ellos han surgido con el fin
específico de mejorar la calidad de vida para personas con discapacidad. Como
ejemplo de esta hipótesis, actualmente estamos viviendo el desarrollo de la
tecnología denominada Internet de las Cosas (IOT), la cual se refiere a la
posibilidad de interconexión digital de objetos cotidianos con internet.

6. Avances en la medicina:

Todas las industrias se verán beneficiadas con la Inteligencia Artificial, no

obstante, la industria de la Medicina y la Investigación son las que crearán
grandes avances que impactarán en la salud de las personas, en especial, en
aquellos casos en los cuales a través de la IA se podrán descubrir nuevos
tratamientos para enfermedades.

7. Extiende y expande la creatividad:

La inteligencia artificial actúa como una plataforma para desarrollar herramientas y

soluciones haciendo uso de la creatividad al máximo.

8. Trabaja 24 x 7:

Las soluciones de Inteligencia Artificial son implementadas a través de robots

inteligentes llamados Machine Learning. Estas máquinas (pueden ser hardware o
software) están preparadas para mantenerse en funcionamiento y aprendizaje
continuo las 24 horas del día, los 7 días de la semana, y no presentan
disminuciones ni alteraciones en su productividad debido a factores como
cansancio, ausencias o vacaciones. Este factor hace que la productividad de
implementar IA sea altamente beneficiosa.
9. Favorece a la detección preventiva del fraude:

A mayor tecnología aplicada, la exposición al fraude es mayor. Con la IA se han

desarrollado soluciones como reconocimiento de voz, facial, de iris, de patrones
de comportamiento, entre otros. Estas tecnologías hacen que la posibilidad de
fraude se minimice, ya que las mismas permiten personalizar al máximo patrones
y características propias de los usuarios.

10. Analiza una gran cantidad de datos:

La inteligencia artificial tiene la capacidad de analizar, procesar y guardar una

enorme cantidad de datos, en una fracción de tiempo inalcanzable para los seres
humanos. Mientras más datos maneje la IA, más precisos son los resultados. Si
bien hoy en día, existe una gran controversia de distintas corrientes a favor y en
contra de la inteligencia artificial, éstos y muchos más son los beneficios de la
implementación de esta tecnología en las empresas y en la vida cotidiana. Conoce
nuestro Máster en Inteligencia Artificial con el cual serás capaz de comprender y
aplicar modelos de Inteligencia Artificial, así como identificar y comprender los
distintos elementos de un sistema computacional necesario para el despliegue de
soluciones de IA.

 Se refiere al proceso de digitalización del sector industrial el

cual se encuentra implementando tecnologías avanzadas

R. LA DIGITALIZACIÓN DE LA INDUSTRIA

 Que es la Industria 4.0

R. Cuarta Revolución Industrial

  ¿Qué es un Algoritmo?

En matemáticas, lógica, ciencias de la computación y disciplinas relacionadas, un

algoritmo es un conjunto de instrucciones o reglas definidas y no-ambiguas,
ordenadas y finitas que permite, típicamente, solucionar un problema, realizar un
cómputo, procesar datos y llevar a cabo otras tareas o actividades.

 Define la etapa de Entendimiento del Negocio

Este conocimiento y entendimiento nos permite: Evaluar nuestros hallazgos y los

estados financieros, basados en las actividades básicas del negocio. Reconocer la
efectividad del control interno, así como su alcance en el enfoque dado en la
auditoría.

 Define la etapa de Preparación de los Datos.

La preparación de datos, también conocida como “preprocesamiento”, es el acto

de limpiar y consolidar los datos sin procesar antes de utilizarlos para realizar un
análisis de negocio.

 ¿Es falso afirmar que una máquina (robot) se pueda

comportar como un humano por qué?

Si, porque los seres humanos están hechos de carne y hueso, una masa envuelta
en un intrincado arreglo de tejido nervioso. Pertenecen al mundo físico de la
materia y la causalidad, y sin embargo tienen una propiedad notable: de tanto en
tanto están conscientes.

La conciencia le proporciona a criaturas como nosotros una vida interior: un reino

mental en el que pensamos y sentimos, percibimos imágenes y sonidos, sabores y
olores, según los cuales hemos llegado a conocer el mundo que nos rodea.
  Definición de las siglas KDD

El Descubrimiento de conocimiento en bases de datos (KDD, del inglés

Knowledge Discovery in Databases)

 Que es el proceso de extracción de conocimiento big data

La extracción de conocimiento en bases de datos es un proceso complejo que en

última instancia busca darles sentido a los datos. La minería de datos sólo
constituye una etapa de este proceso cuyo objetivo consiste en la obtención de
patrones y modelos aplicando métodos estadísticos y técnicas de aprendizaje
automático.

 Que es la metodología Model ligado al software

Una metodología de desarrollo de software o metodología de desarrollo de

sistemas en ingeniería de software es un marco de trabajo que se usa para
estructurar, planificar y controlar el proceso de desarrollo de un sistema de
información.

 Que es la metodología Sample

La metodología SEMMA (Sample, Explore, Modify, Model, Assess) fue propuesta

por SAS Institute, el cual la define como el proceso de selección, exploración y
modelado aplicado a cantidades significativas de datos al- macenados que
permitan el descubrimiento de patrones como herramientas de apoyo para el
negocio.

 Que es significa Assess

R. Evaluar
  Que es significa SEMMA de la metodología

El objetivo de esta fase consiste en seleccionar una muestra representativa del

problema en estudio. La representatividad de la muestra es indispensable ya que
de no cumplirse invalida todo el modelo y los resultados dejan de ser admisibles.

 Fue propuesta por SAS Institute, el cual la define como el

proceso de selección, exploración y modelado aplicado a
cantidades significativas de datos almacenados que
permitan el descubrimiento de patrones como herramientas
de apoyo para el negocio.

R. La metodología SEMMA (Sample, Explore, Modify, Model, Assess)

 Que es la etapa Explorar (explore) de la metodología

R. Análisis preliminar de los datos, obteniendo unas primeras conclusiones

sobre su morfología, tendencias, etc., para ayudarnos a decidir qué camino
seguir.

 Define la etapa Modificar (modify) de la metodología

R. En esta fase se modifican los datos, se aplican transformaciones y realizan

selecciones para crear las variables ya orientadas al proceso de selección del
modelo.

 Define la etapa Modelar (modify) de la metodología

R. Aplicando Modelos de Minería de Datos, se obtienen funciones o

combinaciones de las variables de elegidas como predictoras, que nos ayudan
a predecir la variable objetivo.
  Define la etapa Evaluar (assess) de la metodología

R. En esta última fase se evalúa la utilidad y fiabilidad de los insights obtenidos

con el Modelo, y se estima su rendimiento.

 ¿Qué es el proceso CRISP-DM o Cross Industry Standard

Process for Data Mining?

CRISP-DM se trata de un modelo estándar abierto del proceso que describe los
enfoques comunes que utilizan los expertos en minería de datos. Es el modelo
analítico más usado.

 Define la etapa de Modelado

En la metodología CRISP-DM aplicada en la minería de datos existen diferentes

fases, una de ellas es el modelado. Durante esta fase del CRISP-DM, se
seleccionan las técnicas de modelado más apropiadas para el proyecto de Data
Mining específico.

 Define y agrega un ejemplo de los siguientes diagramas

 Clases de Gráficos Estadísticos.

Diagramas de Barras

Circulares

Pictogramas
Diagrama de Gantt

Histogramas