INTELIGENCIA DE

NEGOCIOS
CLASE 14
 INTRODUCCIÓN

Fuente: Canal Profe Sang Fuente: Canal El País

https://www.youtube.com/watch?v=mX3J7TRI_D8 https://www.youtube.com/watch?v=ePuHFpzWEeM&t=1s

• ¿Qué conocimientos debemos tener para el futuro?

• ¿Qué estamos haciendo para estar actualizados ante los cambios
tecnológicos que estamos presenciando?
 CIENCIA DE DATOS

• La ciencia de datos o data science es un

proceso que permite descubrir
información valiosa a través de los datos,
útil para la toma de decisiones.
• El proceso de la ciencia de datos es el
proceso del método científico llevado al
uso de datos.

Hacer una Comunicar y

Obtener los Explorar los Analizar los
pregunta visualizar los
datos datos datos
interesante resultados
 CIENCIA DE DATOS

• La ciencia de datos tiene como finalidad:

➢ Tomar decisiones y crear estrategias de
manejo.
➢ Crear productos de software más
inteligentes y funcionales.
• La ciencia de datos se apoya en 3 aspectos:
➢ Matemáticas y estadística,
➢ Ciencias computacionales,
➢ Conocimiento del dominio.
 BIG DATA

• En la actualidad, las empresas generan y

almacenan diariamente una gran cantidad de
datos de manera variada y muy veloz, que son
complicados procesarlos con métodos
tradicionales.
• La biga data es un gran volumen de datos que
requiere de herramientas matemáticas
implementadas en aplicaciones informáticas de
procesamiento para el tratamiento adecuado de
los datos, con el fin de brindar una solución a un
problema (entendimiento del cliente o mercado),
de manera eficiente y con bajo costo.
• La big data es la materia prima de la ciencia de
datos, y es útil para realizar el análisis de manera
más exhaustiva.
 BIG DATA
Volumen
•El almacenamiento de la masiva cantidad de datos que
• Las 5V de la big data: pueden ser recolectados de múltiples fuentes.

Velocidad
•Los datos se generan en tiempo real gracias a las
interacciones con las fuentes mencionadas, por lo que
deben ser procesados con la misma velocidad.

Variedad
•Todo tipo de datos, ya sea estructurados o no
estructurados. Podrían ser tablas, texto, imágenes, videos,
audio, bases de datos, etc.

Veracidad
•Es la calidad y confiabilidad de los datos.

Valor
•Los datos deben poder proporcionar un valor o beneficio a
la empresa que los está usando.
 DATA MINING

• La minería de datos o data mining tiene como

objetivo encontrar patrones (comportamiento de
clientes) en grandes cantidades de datos, que
engloba un conjunto de técnicas que combina
métodos estadísticos y de machine learning.
• Se denomina minería por la analogía con el
proceso de extracción de algo valioso, como
diamantes de lo más profundo de una mina
abierta bajo una enorme montaña.
• Hoy en día el concepto minería de datos se
utiliza menos, y se prefiere ser más específicos
a la hora de definir cómo se extrae esa
información para la toma de decisiones, por
ejemplo, búsqueda de patrones mediante
aprendizaje automático (machine learning).
Fuente: Canal ComputerHoy.com
https://www.youtube.com/watch?v=ueAaIEr0PY4
 INTELIGENCIA ARTIFICIAL

• La inteligencia artificial o artificial

intelligence hace uso de algoritmos para
emular nuestra inteligencia natural.
• La inteligencia artificial identifica patrones
en grandes cantidades de datos.
• Los algoritmos de inteligencia artificial
sirven para predecir eventos futuros, en
base al conocimiento generado mediante
los patrones identificados.
• El proceso de ciencia de datos utiliza la
inteligencia artificial como una de sus
herramientas.
 INTELIGENCIA ARTIFICIAL

• Ramas de la inteligencia artificial

➢ Machine learning.
➢ Deep learning.
➢ Robotic Process Automation.
➢ Visión artificial.
➢ Procesamiento de lenguaje natural.
➢ Robótica.
• Áreas de aplicaciones de la inteligencia artificial:
➢ Sector salud
➢ Procesos productivos Fuente: Canal TEC
https://www.youtube.com/watch?v=wVTrXJzZjDA
➢ Procesos comerciales
➢ Redes sociales
➢ Entre otros.
INTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIAL
 MACHINE LEARNING

• El aprendizaje automático o machine learning se

engloba dentro de las disciplinas de la inteligencia
artificial.
• El machine learning es un método científico que permite
usar los ordenadores y otros dispositivos con capacidad
computacional para que aprendan a extraer los
patrones y relaciones que hay en los datos por sí solos.
• Estos patrones se pueden usar para predecir
comportamientos y para la toma de decisiones.
• Antes del machine learning, la automatización del
análisis en la toma de decisiones requería siempre de
un experto humano capaz de descubrir algunas reglas
más o menos ajustadas.
 MACHINE LEARNING

• Algunos de los métodos del machine learning

más comunes implementados para "hacer que
las máquinas aprendan" son:
➢ Aprendizaje supervisado
➢ Aprendizaje no supervisado
➢ Aprendizaje automático reforzado
• Un modelo de machine learning entra en modo
de producción solo después de que se haya
probado lo suficiente para su fiabilidad y
precisión.
• Algunas aplicaciones que usan machine Fuente: Canal Derivando
learning son: Facebook te recomienda amigos, o https://www.youtube.com/watch?v=_tA5cinv0U8
Netflix te recomienda el tipo de películas que
ver.
 DEEP LEARNING

• El aprendizaje profundo o deep learning es un

subconjunto o un avance del machine learning.
• El deep learning puede resolver problemas más
complejos que el machine learning, pero es más
difícil de implementar, ya que requiere hardware
especializado para ejecutarse y requiere más
tiempo para entrenar el modelo (modelos de
redes neuronales para comprender una gran
cantidad de datos).
• Algunas aplicaciones que usan deep learning,
son: Siri, Alexa o Google Assistant, o cuando
Facebook reconoce a tus amigos en una imagen. Fuente: Canal Dot CSV
https://www.youtube.com/watch?v=KytW151dpqU
• Actualmente, los avances en deep learning están
impulsando el auge de la inteligencia artificial.
DEEP LEARNING
 PROFESIONALES EN EL SECTOR

• Roles:
➢ Data scientist.
➢ Data analyst.
➢ Data engineer.
➢ Machine learning engineer.
• Herramientas:
➢ Ms Excel, Google Sheets.
➢ Power BI, Tableau.
➢ SQL y NoSQL.
➢ Pyhton, R.
➢ Jupyter Notebooks, Pandas.
➢ Linux.
• Ciencias:
➢ Matemática (álgebra).
➢ Estadística (descriptiva e
inferencial).
 RESUMEN DE LO APRENDIDO

Data science o Ciencia de datos.

Big data o Grandes volúmenes de datos.

Data mining o Minería de datos.

Artificial intelligence o Inteligencia artificial.

Machine learning o Aprendizaje automatizado.

Deep learning o Aprendizaje profundo.

 APLIQUEMOS LO APRENDIDO …

PROBLEMA 01:
• ¿Qué relación se tiene la inteligencia
artificial, machine learning y deep
learning?
• ¿Qué relación tiene el big data y el data
mining?
• ¿Qué empresas conoces que aplican la
ciencia de datos o inteligencia artificial?