CARTILLA DE INGRESO

2022
TECNICATURA SUPERIOR EN
CIENCIA DE DATOS
E INTELIGENCIA
ARTIFICIAL
CICLO LECTIVO 2022

CARRERA DE 3 AÑOS - TÉCNICA

El Instituto de Educación Superior N°11

brinda carreras de carácter técnico, con
validez Nacional.
 CARTILLA DE NIVELACIÓN

Tecnicatura Superior en
Ciencia de Datos e
2030
Inteligencia Artificial

Instituto de Educación
Superior N°11

Ciclo Lectivo 2022

1
Índice
INTRODUCCIÓN: ......................................................................................................... 5

DATOS GENERALES DE LA CARRERA ..................................................................... 6

Unidad 1: INTRODUCCIÓN A LAS TICs .................................................................... 11

Unidad 2: ANALISIS DE DATOS ............................................................................... 37

Unidad 3: INTRODUCCIÓN A PROGRAMACIÓN ...................................................... 55

Unidad 4: TÉCNICAS DE ESTUDIO EN CONTEXTOS DIGITALES ........................... 66

Unidad 5: MATEMÁTICAS .......................................................................................... 75

2
Colaboraron con la elaboración de este material:

● Prof. Ing. Cosme María Cristina

● Ing. Giménez, Nora Evangelina

● Ing. Moreno Baldiviezo, Dolly Elida

● Prof. Rojas Viviana

3
 CRONOGRAMA DE ACTIVIDADES
INGRESO A LA TECNICATURA SUPERIOR EN CIENCIA DE DATOS E
INTELIGENICA ARTIFICIAL

DIA HORA DOCENTE ACTIVIDAD MATERIAL ESPACIO DE

PEDAGÓGICO ENCUENTRO
LUNES 19:30 Ing. Cosme Presentación Presentación de Aula N°
7/03/2022 20:30 María de la carrera, la carrera, Primer Piso
Cristina y con Docentes Régimen
profesores Invitados. académico
invitados Objetivos del y Objetivos del
Cursillo. cursillo de
ingreso.
20:30 a Ing. Nora Presentación y Introducción a
21:30 Giménez actividad las TIC
programada en
cartilla
Martes 19:30 Ing. Cosme Presentación y Análisis de
08/03/2022 20:30 María actividad Datos
Cristina programada en
cartilla
20:30 a Ing. Dolly Presentación y Programación
21:30 Moreno actividad
programada en
cartilla
Miércoles 19:30 Ing. García Presentación y Matemática
09/03/2022 20:30 actividad
programada en
cartilla
20:30 a Ing. Dolly Presentación y Programación
21:30 Moreno actividad
programada en
cartilla
Jueves 19:30 Ing. Cosme Presentación y Análisis de
10/03/2022 20:30 María actividad Datos
Cristina programada en
cartilla
20:30 a Prof. Presentación y Técnicas de
21:30 Viviana actividad Estudio
Rojas programada en
cartilla
Viernes 19:30 Ing. García Presentación y Matemática
11/03/2022 20:30 actividad
programada en
cartilla
20:30 a Prof. Presentación y Técnicas de
21:30 Viviana actividad Estudio
Rojas programada en
cartilla
Cierre del Encuentro Se explican las
cursillo de final con normas del
ingreso los examen, fechas
docentes y y sistema de
despedida evaluación
final

4
INTRODUCCIÓN:
La presente es una guía de nivelación e introducción a la carrera de Técnico Superior
en Ciencia de Datos e Inteligencia Artificial. El objetivo de esta presente cartilla es
acercarte a una visión general de lo que será estudiar la carrera en el Instituto de
Educación Superior N° 11. Encontrarás información general de la carrera, duración,
modalidad de cursado, condiciones de ingreso, objetivos y perfil del egresado/a, régimen
de equivalencias, régimen académico del alumno.

Luego el material está estructurado en 4 unidades:

La unidad 1 hace referencia a las TIC y muestra la evolución de la sociedad humana
hacia la sociedad de la información: las olas de cambio. Cuarta ola: Revolución del
conocimiento. Sociedad de la información y Sociedad del conocimiento. Transformación
Digital: redes sociales, crecimiento potencial de los datos. Tratamiento de Datos:
predicción de tendencias.
La unidad 2 está referida a la Ciencia de Datos: Concepto. Introducción. Concepto de
TIC: Datos, Información y conocimiento. Un mundo más conectado. El valor
subestimado de los datos. Científico de datos. Big Data. Minería de datos. Visualización
de datos. Relación 1: Big Data y minería de datos. Relación 2: Big Data y visualización
de datos. Relación 3: Minería de datos y visualización de datos. Relación entre Big Data,
minería y visualización de datos. Aplicaciones de la ciencia de datos. Método y técnicas.
Análisis estadístico de datos. inteligencia artificial: principales áreas de la IA.
En la unidad 3 se desarrollará una introducción a los conceptos básicos referidos a la
programación de ordenadores. Se mencionan de forma sintetizada los principales
componentes de un ordenador. Se explicará la diferencia entre lenguaje máquina y
lenguajes de alto nivel, así como entre lenguajes compilados y lenguajes interpretados,
y se enumeran brevemente algunos de los principales lenguajes de programación.
En la Unidad 4 se encarga de las Técnicas de Estudios en donde se desarrolla técnicas
para el análisis de contenidos: el subrayado, notas al margen, resumen, síntesis, toma
de apuntes, preparación y desarrollo de exámenes.
En la Unidad 5 Matemáticas presenta contenidos desarrollados con Conjuntos
Numéricos. Números Naturales, Notación científica, Ecuaciones. Ecuación lineal,
Ecuación de segundo grado con una incógnita, sistema de ecuaciones lineales con dos
incógnitas.
Te recordamos además que es indispensable contar con algún dispositivo tecnológico
que a futuro te permita cursar los tres años de la carrera, como netbook, notebook, o
computadora de escritorio. La misma será una herramienta clave para desarrollar
programas y ejecutar códigos de programación.
Esperamos que el material sea útil en tu ingreso y te damos la bienvenida a nuestra
institución educativa y te deseamos mucho éxito en tu trayecto académico.
Profesores de la carrera
Tecnicatura Superior en Ciencia de Datos e Inteligencia Artificial

5
DATOS GENERALES DE LA CARRERA
a) Título que otorga: Técnico Superior en Ciencia de Datos e Inteligencia Artificial.

b) Familia profesional a la que pertenece: Informática

c) Duración: 3 años

d) Modalidad: Presencial

e) Condiciones de ingreso:

● Poseer título de Nivel Medio y/o Polimodal.

● Los mayores de 25 años que no hayan finalizado el Nivel Medio o Polimodal
podrán acogerse a la Resolución 114-SE-02 de la provincia de Jujuy.
● Presentación de documentos personales y académicos según normativa
vigente.

f) Régimen de asistencia, evaluación y acreditación:

Conforme normativa vigente para Nivel Superior- Resolución N°6815 –E/15

OBJETIVOS DE LA CARRERA
● Ofrecer una carrera de formación técnica, de corto plazo y alta probabilidad de
salida laboral en el medio.
● Formar recursos humanos con visión y conocimientos tecnológicos y
empresariales destinados a potenciar emprendimientos que contribuyan a
fortalecer la economía de la provincia.
● Formar profesionales que puedan desarrollar y utilizar herramientas de las
tecnologías de la información destinadas a concretar las actividades que surgen
del perfil profesional en forma eficiente .
PERFIL DEL EGRESADO
La Ciencia de Datos y el Big Data posibilitan una gran cantidad de salidas
profesionales. Los puestos de analistas de datos expertos en inteligencia artificial,
redes neuronales , machine learning y desarrolladores, son ya los más habituales en
la mayoría de las empresas dedicadas a este sector. El perfil del egresado de esta
tecnicatura brinda un conjunto de capacidades y competencias que identifican la
formación de un analista digital de datos como colaborador directo del responsable de
marketing, quién analizará los datos cuantitativos y cualitativos del entorno digital, para
extraer información de valor que ayude al negocio en la toma decisiones. Éste
profesional podrá cubrir tres funciones:
● Diseñar proyectos.
● Diseñar Soluciones que involucren análisis de datos.
● Desarrollar sistemas de inteligencia artificial, que además involucren visión
artificial o procesamiento del habla.
● Realizar tareas de mantenimiento y optimización del sistema.
● Organizar y gestionar proyectos.

6
ALCANCE DEL PERFIL PROFESIONAL
El técnico superior en Ciencia de Datos e Inteligencia Artificial debe poseer una amplia
comprensión de matemática (Cálculo - Estadística - Probabilidad) como base del
cálculo numérico que permita el desarrollo de algoritmos en la Ciencia de Datos.
Comprender y obtener una experiencia práctica en lenguajes de programación (Python
- R - SAS) que le permitirán implementar variedad de algoritmos.
Desarrollar sólidos conocimientos en Bases de Datos para la gestión de datos
estructurados en RDBMS (Oracle - MySQL- Cassandra , entre otros).
Adquirir capacidades relacionadas con la ingeniería de datos (Data preprocessing -
Data Warangling - SQL) en el tratamiento masivo de información.
Desarrollar algoritmos de aprendizaje para crear modelos predictivos en el área del
Machine Learning (Aprendizaje Supervisado - Aprendizaje No Supervisado -
Aprendizaje Reforzado).
Obtener una adecuada comprensión de los algoritmos que manipulan el Deep Learning
en el área de trabajo con enormes volúmenes de datos no estructurados (Redes
Neuronales Artificiales - Red de Creencias Profundas - Red Adversaria Generativa).
Dominar diferentes técnicas y herramientas de visión artificial utilizadas en el
procesamiento digital de imágenes y habla.
Obtener una ventaja agregada aprendiendo Hadoop y Spark para almacenar ,
manipular y procesar grandes volúmenes de datos.

CAPACIDADES
● Perfil matemático y analista .
● Conocimientos informáticos, matemáticos y estadísticos.
● Control de la tecnología y de las bases de datos , como SQL o PL/SQL.
● Habilidades de programación y control de programas como R o Python.
● Administración de sistemas de almacenamiento distribuido .
● Diseño de un sistema de reporting para la visualización de los datos, sobre todo
en materia de business intelligence.
● Conocimiento de las técnicas de machine learning.
● Control de herramientas Hadoop, como Hive o Pig.
● Habilidad en la gestión de herramientas de software en sistemas de estructura
de datos.
● Instrucciones de lenguaje de manipulación de datos, como data wrangling, data
muning o data tyding.
ÁMBITO SOCIO OCUPACIONAL
Este nuevo campo profesional abarca a todas las herramientas, tecnologías, métodos
y sistemas requeridos para manejar grandes conjuntos de datos distribuidos,
heterogéneos, diversos, tan grandes y complejos que no se pueden analizar con las
herramientas y métodos tradicionales de procesamiento y administración de bases de
7
datos. Éstas incluyen nuevos algoritmos estadísticos y matemáticos, técnicas de
predicción y métodos de modelado, métodos de modelado, métodos de encriptación,
así como enfoques multidisciplinarios, y nuevas tecnologías para la recopilación,
almacenamiento, análisis e intercambio de datos e información. Por todo ello, la
Ciencia de Datos ocupa actualmente un lugar central en las organizaciones y adquiere
un uso cada vez más intensivo en la toma de decisiones en infinidad de sectores
profesionales: salud, genética, agro, redes sociales, marketing, finanzas, banca,
comercialización de productos y telefonía, entre otros.
Dentro de la Ciencia de Datos encontramos técnicas de diferentes áreas de estudio,
incluyendo la Estadística y la Inteligencia Artificial (Aprendizaje Automático o Machine
Learning). Los especialistas en este campo se enfocan en la construcción y
optimización de algoritmos de Deep Learning con el fin de emular las habilidades
humanas básicas como visión, lenguaje, toma de decisiones, entre otras. En este
campo de permanente avance , los proyectos de Visión Artificial se caracterizan por el
análisis de imágenes a fin de detectar diversos patrones en las mismas y los de
Procesamiento de Habla se enfocan en la interacción con los clientes. El Técnico
Superior en Ciencia de Datos e Inteligencia Artificial podrá coordinar equipos de trabajo
y dirigir emprendimientos de pequeña o mediana envergadura de servicios propios de
su campo, cumpliendo en todos los casos con el manejo adecuado de la información,
consideraciones éticas y principios de usabilidad.

8
ESTRUCTURA CURRICULAR

9
RÉGIMEN DE CORRELATIVIDADES

10
 Unidad 1

INTRODUCCIÓN A LAS TICs

11
LAS OLAS DE CAMBIO (ALVIN TOFFLER)

Alvin Toffler, fue un escritor sociólogo y futurista estadounidense, en la segunda mitad

del siglo XX propuso la teoría de las 3 olas para explicar la evolución de la humanidad.
Las 3 olas son:
● La agrícola
● La industrial
● La de los servicios, información.

● Cada ola de cambio trae cambios sustanciales que transforman radicalmente los
paradigmas instalados en la sociedad humana.

● Cada ola nueva se produce en un tiempo más corto que el anterior, por lo que
nos obliga a estar preparados para adaptarnos a los cambios que
indefectiblemente sucederán en la sociedad.

12
PRIMERA OLA
La "primera ola", fue la de la revolución agrícola, de las monarquías, y familias grandes.
Se extendió aproximadamente 10.000 años.
El paradigma dominante fue el ejercicio del poder a través de la fuerza bruta. De esa
manera se levantaron imperios y se edificaron ciudades fortificadas. El que tuviera, y
supiera usar, el garrote más grande y pesado, era rey.
Superada la era en la que el hombre vivía de la caza y la pesca, nace la agricultura.
Consecuencia de ello:
● Surgen nuevas estructuras como el comercio y las
primeras aldeas.
● El hombre comienza a abandonar su condición
nómade para tomar un estilo de vida sedentario.
● El hombre ya no acepta el medio que lo rodea, y
comienza a transformarlo. Se desarrolla la
agricultura, la ganadería, los primitivos tejidos.
● Nace el concepto de trabajo
● Comienza el crecimiento demográfico

Consecuencia de esto último, surge la

necesidad de crear nuevas estructuras para
organizar la creciente sociedad. Así nace la
navegación, el comercio y la edificación.
La economía fue agraria, dado que
el hombre cultivaba sus propios alimentos.

La comunicación era escasa y solo unos pocos sabían leer y escribir.

La dinámica de comunicación de la primera ola era la comunicación uno a uno.
Existían escribas y mensajeros que se dirigían hacia una zona para obtener
información y llevarla hacia otra.
El escriba era el copista o amanuense de la Antigüedad. En la civilización del Antiguo
Egipto, era un personaje fundamental, culto, experto en la escritura jeroglífica y
pictográfica, y conocedor de los secretos del cálculo, siendo el único capaz de evaluar
los impuestos, asegurar los trabajos de construcción y transcribir las órdenes del faraón.

13
 Para los hebreos era el copista de
las Sagradas Escrituras y,
posteriormente, incluso el doctor e
intérprete de la ley.

La unidad económica de la primera ola era pequeña y autosuficiente.

Generalmente la unidad económica era la familia. Esta vivía de lo que cultivaba en los
campos. En otros casos la unidad económica era el feudo, igualmente autosuficiente.

La primera ola fue de una civilización basada en el autoabastecimiento y dependencia

de la naturaleza.
INSTITUCIONES DE LA PRIMERA OLA
● Las Religiones: en esta época surgen las grandes religiones en las distintas
sociedades humanas.
● Los reinos y los imperios: Era la época de los grandes imperios y grandes
reyes como modo de gobierno.

14
INVENTOS RELEVANTES DE LA PRIMERA OLA
● Dominio del fuego: La domesticación o control del fuego puede ser
considerado el primer gran invento de la humanidad, y su dominio representa un
punto de inflexión en la evolución humana, ya que supuso una verdadera

15
 revolución demográfica al cambiar la forma de protegerse del frío, cocinar sus
alimentos y así aumentar su valor energético, de comunicarse.

● La Rueda: En el siglo XXXV a. de C. La civilización mesopotámica inventa la

rueda. Es uno de los inventos fundamentales en la Historia de la humanidad, por
su gran utilidad en la elaboración de alfarería, y también en el transporte
terrestre, como componente fundamental de máquinas.

● Invención de herramientas con metales: El dominio del fuego permitió al

hombre la utilización de diferentes tipos de metales (cobre, bronce, hierro) para
construir y fabricar elementos y herramientas que se volverán claves en su
evolución, como por ejemplo herramientas de agricultura, armas para la caza y
la guerra, y utensilios para comer.

● El desarrollo de la Agricultura y la Ganadería: El inicio de la agricultura se

encuentra en el período Neolítico, cuando la economía de las sociedades
humanas evolucionó desde la recolección, la caza y la pesca a la agricultura y
la ganadería. Las primeras plantas cultivadas fueron el trigo y la cebada.

16
SEGUNDA OLA
La “segunda ola” fue el cambio que se produjo con la era industrial y duró menos de dos
siglos. Inició por el año
1770 en Inglaterra y
llegó al cenit en los
Estados Unidos
alrededor de los años
cincuenta del siglo XX.
Hacia 1650 nace la
Revolución Científico
Técnica, también conocida como Revolución Industrial. Esta revolución no solo
cambia la forma de producir bienes, sino también la organización del mundo; trajo
ciudades grandes, centralización, burocracias, fabricación de productos en masa,
educación masiva, y armas de destrucción masiva. Entre los factores más relevantes
que dieron origen a esta era están la máquina a vapor y la imprenta, ambos
reemplazaron la mano humana,
● Esta época está arraigada en el materialismo y la supremacía del hombre
sobre la naturaleza.

● Fue la época del nacimiento de los bancos y las finanzas: y el surgimiento

de las monedas tal como lo conocemos actualmente.

● Fue la época de la independencia de las repúblicas y las naciones: la

independencia de las colonias dio lugar al nacimiento de nuevas naciones y el
debilitamiento de los imperios.

17
● Se extendió la educación a toda la población: ahora el saber leer y escribir
era una política para el bienestar del estado.

● El dinero, y los bancos, se convierten en la fuente de poder.

● Surge el capitalismo: como sistema económico y social basado en la propiedad
privada de los medios de producción, en la acumulación de capital y en la libertad
de mercado.

● La segunda ola también trajo la destrucción sistemática del planeta: la

contaminación ambiental, y el calentamiento global.

18
 ● Durante la segunda ola las instituciones de la primera ola siguen presentes,
pero su influencia se hace menor:
- La Revolución Francesa pone fin al orden feudal, acabó con la monarquía
absoluta y con la separación de la sociedad en clases fijas e inamovibles:
aristocracia, clero y siervos.
- Se lleva a cabo la primera proclamación de los derechos humanos
universales.
- Las monarquías dan paso a las repúblicas como forma de gobierno.

Economía y producción de la Segunda Ola

Junto con la segunda ola nace la separación entre el productor y el consumidor.
Enormes factorías se dedican a fabricar bienes para consumidores inconscientes de su
mecanismo de obtención. La producción es masiva y en serie. Masiva porque se monta
una o varias máquinas para hacer un solo tipo de producto durante un tiempo
indeterminado (por ejemplo, una máquina dedicada exclusivamente a producir carne
enlatada). En serie porque se divide cada parte del proceso de fabricación y se realiza
repetitivamente cada proceso.

Consecuencia de ello:
- Surgen enormes centros urbanos con
un área metropolitana
- Aparece la máquina. Esta reemplaza el
esfuerzo humano.
- Nace el concepto de producción en
cadena o producción en serie.
- Se intensifican los medios de comunicación físicos, gracias al ferrocarril,
el automóvil, el barco a vapor.
- Nace la explotación de recursos naturales como fuente de energía o
materia prima.
- Nace el concepto de productor y de consumidor
- Se intensifica el crecimiento demográfico

19
- La unidad económica de la segunda ola es la corporación.

- Grandes inventos de la segunda ola.

20
TERCERA OLA
La revolución electrónica y de
computación, a partir de mediados del
siglo XX, trae la "tercera ola", está
marcada por la transición del paradigma
de la sociedad industrial al paradigma de
la sociedad del conocimiento, y, esta
vez, el conocimiento se levanta como la siguiente fuente de poder.

En la tercera ola, era completamente distinta de las

anteriores.
La nación-estado (un concepto de la primera ola) se vuelve
obsoleto, surgen corporaciones multinacionales, y la
producción masiva de productos (segunda ola) se ve
eclipsada por la generación de conocimiento, y procesamiento de información, como la
actividad económica primaria.
Los productos se vuelven adaptables, y su valor
depende de qué tanto conocimiento incluya en su
diseño.

21
La computadora se convierte en un "amplificador" del conocimiento, e Internet, en el
medio de comunicación y la base de datos planetaria.
Las instituciones de la primera y segunda ola siguen presentes, pero cada día influyen

menos. Los cambios que el mundo está viviendo en los últimos 40 años, que han sido
catalogados en muchos casos de "desmoralizadores" en realidad solo rompen
paradigmas que la segunda ola nos impuso.
Caracterizan a la tercera ola la desarticulación de estructuras de
la segunda ola, a saber:
● Descentralización
● Desmasificación
● Personalización

Economía y producción de la Tercera Ola

La producción en serie es complementada con la producción en series cortas. La
producción ya no se dedica a hacer decenas de miles de ejemplares de un único
producto, sino cientos de ejemplares de cientos de productos. Así encontramos
productos cada vez más personalizados.

Sociedad
de la Tercera Ola
La familia
nuclear cede
su lugar a infinidad de tipos de familias. Familias monoparentales, unipersonales,
convivencia estable entre amigos, convivencia entre personas del sexo opuesto con o
sin relaciones sexuales, familias hijo - madre - abuela, familias hijo - madre - tía, parejas
homosexuales, etc.
Uno de los males a combatir en la tercera ola es la soledad.
Eso es debido a la falta de estructura que brindaba la segunda
ola, y a la falta de necesidad de relacionarse.

Comunicaciones de la Tercera Ola

La dinámica de comunicación de la tercera ola es la comunicación varios a varios. Al
igual que la producción, los medios se van desmasificando. Infinidad de revistas
especializadas en temas específicos, numerosos canales de televisión por cable y
satelital, la capacidad de las computadoras de comunicarse; hacen que la comunicación
22
 esté personalizada, y que el consumidor ya no se
limite a tomarla "tal cual viene". Ahora el espectador
puede intervenir en los diarios que lee y en los
programas de televisión que mira.
Surge la Ecología: como consecuencia de la
sobreexplotación de los recursos naturales, la
degradación del medio ambiente y la contaminación
ambiental , se instala fuertemente el concepto de conservación de los recursos

naturales.
Grandes inventos de la tercer ola.

CUARTA OLA - LA REVOLUCIÓN DEL CONOCIMIENTO

En la Cuarta Revolución Industrial, los principales factores de
los cambios que se están presenciando incluyen el costo
decreciente de la computación y los dispositivos conectados,
la facilidad de implementación de algoritmos de IA, y la caída
radical del precio de la secuenciación genética.
Toda revolución industrial está impulsada por innovaciones
que generalmente se manifiestan como nuevas tecnologías.
Cuando esas innovaciones se vuelven lo suficientemente
accesibles como para escalarse y difundirse, cambian la
sociedad.
"Cosas" conectadas e inteligentes están ayudando a desarrollar
autos autónomos, asistentes virtuales y a mejorar el diagnóstico
de imágenes de salud (de este modo, transforman el mundo físico, digital y biológico).

También se ha demostrado que la posesión de mayores recursos naturales no significa

mayor riqueza. La Argentina, Brasil, Venezuela, Colombia y México son países con
grandes recursos naturales, pero su ingreso per cápita es, en promedio, el 10 por ciento
del ingreso per cápita de países pequeños que carecen de recursos naturales, como
Dinamarca, Bélgica, Holanda e Irlanda.
A partir de la Revolución Industrial, y con la aceleración de la revolución del
conocimiento, los beneficios no se generaron de manera uniforme en todo el mundo, y
el incremento selectivo de la productividad amplió la brecha entre los países ricos y los

23
pobres. En el año 1750 la diferencia entre los países ricos y los pobres era de 5 veces,
mientras que para el año 2000 la brecha se había ensanchado a 390 veces.
Estos cambios drásticos quedan demostrados en el hecho de que en
1960 un tercio del producto bruto mundial correspondía a la
agricultura, un tercio a la industria y un tercio a los servicios. En 2000,
la agricultura representaba un 4%, la industria, un 32% y los servicios,
un 64%. Lo que ha ocurrido es que la industria ha emigrado de países
de avanzada a otros de rápido desarrollo, y los servicios que están
compuestos mayoritariamente por la industria del conocimiento se
han desarrollado en los países más libres.

Impacto de la Cuarta Revolución

Industrial.
● En el 2017, más de tres mil millones
de personas se conectaron a Internet y más
de dos mil millones utilizaron Facebook.
● Los niños de hoy se verán
beneficiados por el efecto combinatorio del mundo biológico, físico y digital.
Participarán en los avances científicos, médicos y tecnológicos que convergerán
para eliminar enfermedades.
● 60 años después del inicio de la revolución digital, aún nos estamos
acostumbrando al hecho de que las computadoras están cambiando el mundo,
pero la Cuarta Revolución Industrial está transformando la forma en que los
seres humanos viven, trabajan y se relacionan.
● Con la conectividad omnipresente, la transformación está sucediendo más
rápido que cualquiera de las demás revoluciones industriales.
LAS TECNOLOGÍAS DE LA CUARTA REVOLUCIÓN INDUSTRIAL

● Tecnologías que cambian el mundo físico

▪Biotecnología
▪Robótica
▪Impresión en 3D
▪Nuevos materiales
▪Internet de las Cosas (IoT)
▪Transmisión, almacenamiento y captura de energía
● Tecnologías que cambian el mundo digital
▪ Inteligencia Artificial (IA)
▪ Cadena de bloques
▪ Nuevas tecnologías computacionales
24
 ▪ Realidad virtual y aumentada

LA SOCIEDAD DE LA INFORMACIÓN Y LA SOCIEDAD DEL CONOCIMIENTO

La sociedad es cambiante y tiene transformaciones, de la sociedad feudal se pasó a la

sociedad preindustrial, después a la sociedad industrial y actualmente se vive en la
sociedad de la información. El cambio de la sociedad industrial a la sociedad de la
información comenzó en la década de los años setenta con la emergencia de las
tecnologías de la información y la comunicación. Lo que caracteriza este tipo de
sociedad es el valor dado a los datos a partir de su búsqueda, organización,
almacenamiento y aplicación en diversas situaciones de la vida cotidiana, empleando la
tecnología informática.

Sin embargo, el reto es llegar a la sociedad del

conocimiento. En esta nueva fase de la sociedad
el valor más apreciado no será la información
sino el conocimiento a partir del cual es posible
resolver problemas con un enfoque
colaborativo, sistémico y ético, buscando la
realización personal de las personas en la
medida que contribuyen al tejido social y a la
sustentabilidad ambiental. Por ende, no es el
individuo o la sociedad o el ambiente; se trata
del desarrollo de los tres: en la medida que uno
se fortalece se desarrollan los demás, de una manera bidireccional (García Sánchez &
Godínez Alarcón, 2015).

25
La sociedad del conocimiento es aquella en la que la información y el conocimiento
tienen un lugar privilegiado en la sociedad y en la cultura. Forman parte estructural de
las actividades, sociales, culturales y económicas.
El conocimiento y la información tienen un impacto significativo en las vidas de las
personas. El intercambio de conocimiento e información, en particular a través de las
Tecnologías de Información y Comunicación (TIC), tiene el poder de transformar las
economías y las sociedades.

Características de la sociedad del conocimiento

Entre las características que definen una sociedad del conocimiento, cabría resaltar las
siguientes:

● Son sociedades que consideran el conocimiento

como un elemento fundamental para el desarrollo y
el progreso.
● Para ello, hacen el acceso a la educación y el
conocimiento más accesible.
● De esta forma, potencia todas las tareas que tengan
que ver con la identificación, la transferencia y el
cuidado y la mejora del conocimiento.
● Para potenciar esto, estas sociedades hacen un uso
de las tecnologías de la información y la comunicación
como herramienta para la transferencia del
conocimiento.
● Son sociedades que consideran el conocimiento un
elemento fundamental para una mejora de la
economía.

La Sociedad del conocimiento se basa en el uso intensivo de las TICs (tecnologías de

información y comunicación) y de la evolución de
estas. Las NTICs (Nuevas tecnologías de información
y comunicación).
Se tiene la premisa de que todos pueden crear,
acceder, utilizar y compartir información y el
conocimiento, en donde se desarrolle el potencial de
los pueblos y se mejore la calidad de vida.
El uso de las TIC no para de crecer y de extenderse continuamente, y esto conlleva el
riesgo de acentuar la brecha digital y social y la diferencia entre generaciones.
LAS TICS
Las TICs son todas las herramientas y soluciones tecnológicas que permiten acceder,
ordenar y procesar la información y las comunicaciones de cualquier tipo de persona,
empresa u organización en pro de la eficiencia y la agilidad. Asimismo, también puede
decirse que son las prácticas y conocimientos conectados al consumo y transmisión de
la información, desarrollados y potenciados luego de la transformación digital y el
internet.

26
 El término TIC es extensivo para la tecnología
de la información (TI) que enfatiza el papel de
las comunicaciones unificadas, la integración
de las telecomunicaciones (líneas telefónicas
y señales inalámbricas) y las computadoras,
así como el software necesario, el
middleware, almacenamiento, sistemas
audiovisuales y producción audiovisual, que permiten a los usuarios acceder,
almacenar, transmitir y manipular información.
Las TICs agrupan un conjunto de tecnologías para el tratamiento y la transmisión de la
información.
● Las terminales.
● Las Redes/ Las telecomunicaciones
● Internet/ Los servicios

Las terminales son los dispositivos que actúan como punto de acceso de las personas
a la sociedad de la información.
Aquí encontramos las computadoras:
● Computadoras de escritorio /PC Destktop

● Computadoras Portátiles:
● Notebook
● Netbook

● Smartphones/teléfonos inteligentes: gracias a las tecnologías

microelectrónicas, el teléfono inteligente es un dispositivo
móvil que combina las funciones de un teléfono celular y de
una computadora; mediante un sistema operativo móvil y
aplicaciones (APPs) ha ido acumulando funciones:
reproductores multimedia portátiles, cámaras digitales,
videocámaras y dispositivos de navegación GPS.
● Entre otras características destacables es la
posibilidad de conectarse a diferentes redes de
telecomunicación: WIFI, Internet, Redes 3G/4G/5G,
TDA.
● Tablets: Es un tipo de computadora portátil de mayor
tamaño que un smartphone, integrado en una pantalla
táctil con la que se interactúa primariamente con los dedos o lápiz óptico sin
necesidad de teclado ni ratón.

27
● Productos Smart y Dispositivos Wearables
▪ Dispositivos Smart
Un dispositivo inteligente (Smart) es un
dispositivo electrónico, por lo general conectado
a otros dispositivos o redes a través de
diferentes protocolos de comunicación, que
puede funcionar hasta cierto punto de forma
interactiva y autónoma.
● Smartphones
● SmartTV
● SmartHouse
● SmartCar
● Otros Dispositivos
▪ Consolas de videojuegos
▪ Dispositivos de Seguridad
▪ Electrodomésticos inteligentes

▪ Los dispositivos Wearables (vestibles)

Wearable hace referencia al conjunto de aparatos y dispositivos
electrónicos que se incorporan en alguna parte de nuestro cuerpo
interactuando de forma continua con el usuario y con otros dispositivos
con la finalidad de realizar alguna función concreta.
Con estos dispositivos tenemos acceso a un montón de herramientas
tanto de ocio como de trabajo, y con la de comunicación. Tenemos
incorporado en un mismo aparato el correo electrónico, el teléfono,
servicios de mensajería instantánea, cámara de fotos y hasta reproductor
Mp3, GPS
▪ Relojes inteligentes (Smartwatch)
▪ Anteojos inteligentes
▪ Pulsera y anillos
▪ Ropa inteligente

28
LAS REDES
Las redes se conforman por diferentes sistemas de telecomunicaciones.
Redes de televisión: actualmente hay cuatro tecnologías para la distribución de
contenidos de televisión, incluyendo las versiones analógicas y las digitales:

▪ La televisión terrestre, que es el método

tradicional de transmitir la señal de difusión de
televisión, en forma de ondas de radio
transmitida por el espacio abierto.
▪ La televisión por satélite, consistente en
retransmitir desde un satélite de comunicaciones una señal de
televisión emitida desde un punto de la Tierra, de forma que ésta pueda llegar a
otras partes del planeta.
▪ La televisión por cable, en la que se transmiten señales
de radiofrecuencia a través de fibras ópticas o cables
coaxiales.
▪ La televisión por Internet traduce los contenidos en un
formato que puede ser transportado por redes IP, por eso
también es conocida como Televisión IP.
Redes de telefonía: Una red telefónica es una red de telecomunicaciones utilizada para
llamadas telefónicas entre dos o más partes.
Existen 4 tipos de telefonía:
- Telefonía fija: es la telefonía tradicional que está en proceso de decrecimiento.

- Telefonía celular: a pesar de ser una modalidad más reciente, en todo el mundo
se usa más la telefonía móvil que la fija. Se debe a que las redes de telefonía

29
 móvil son más fáciles y baratas de desplegar. El número de líneas
móviles está en continuo crecimiento.
- Telefonía IP: También llamado Voz sobre IP o VoIP, es un
grupo de recursos que hacen posible que la señal de voz viaje a
través de una red LAN o Internet empleando el protocolo IP. Esto
significa que se envía la señal de voz en forma digital, en
paquetes de datos, en lugar de enviarla en forma analógica a través de circuitos
de telefonía convencional.

- Telefonía satelital: mediante una constelación de satélites de comunicaciones

se provee Servicios Satelitales Móviles (SSM) con cobertura global. El sistema tiene
como objetivo proveer comunicación de voz y datos utilizando dispositivos portátiles
específicos en áreas fuera de cobertura de los sistemas de comunicación tradicional
como telefonía fija o celular. Un teléfono satelital es un tipo de teléfono móvil que se
conecta directamente a un satélite de telecomunicaciones. En general, los teléfonos
móviles satelitales proporcionan una funcionalidad similar a la de un teléfono móvil
terrestre con servicios de voz, SMS y conexión a internet de banda estrecha.

Redes locales (LAN)

Con la evolución y popularizacon de la tecnolloigia WIFI, nos encontramos con redes
para acceso a internet en diversos lugares.

INTERNET
Es un conjunto descentralizado de redes de
comunicaciones interconectadas, que utilizan la
familia de protocolos TCP/IP, lo cual garantiza
que las redes físicas heterogéneas que la
componen constituyen una red lógica única de
alcance mundial.
Internet está evolucionando muy rápidamente y está aumentando enormemente la
cantidad de contenidos (vídeos, música, ).

30
Servicios sobre Internet: Internet ofrece una cantidad enorme se servicios, entre los
que se destacan:
● Correo electrónico
● Búsqueda de información
● Audio y música

● TV, CINE y videos

● Las redes sociales

● Educación online (a distancia)

Los servicios que hoy ofrece Internet no sólo se han

multiplicado, sino que han evolucionado hacia nuevas y
mejoradas funciones y han ganado en facilidad de uso y
manejo.
A este cambio han contribuido no sólo la evolución de las
Telecomunicaciones con el aumento del ancho de banda de
conexión a las redes, sino también, mejoras en el software y
las aplicaciones (bases de datos integradas en la Web,
motores de búsqueda, agentes inteligentes, etc.) y en el
hardware (mayor capacidad de almacenamiento y memoria,
incremento exponencial de la velocidad de los procesadores, capacidad de tratar todo
tipo de datos no sólo los textuales, sino también los datos multimedia, etc.).
El usuario ya no tiene que operar con comandos y algoritmos complejos, sino
manejando el ratón sobre iconos e interfaces gráficas e incluso con la voz, y por medio
del lenguaje natural.
31
LAS REDES SOCIALES
Las redes sociales son plataformas digitales formadas por
comunidades de individuos con intereses, actividades o
relaciones en común (como amistad, parentesco, trabajo).
Las redes sociales permiten el contacto entre personas y
funcionan como un medio para comunicarse e
intercambiar información.
Los individuos no
necesariamente se tienen que conocer antes de
entrar en contacto a través de una red social, sino
que pueden hacerlo a través de ella, y ese es uno
de los mayores beneficios de las comunidades
virtuales.
A principios del milenio, empezaron a surgir
páginas dirigidas a la interacción entre
usuarios: Friendster, MySpace, Orkut y hi5
son algunos ejemplos de sitios ilustres en ese
período. Muchas de las redes sociales más
populares hoy en día también surgieron
en esa época, como LinkedIn y Facebook.
Pocas personas imaginaban que las redes
sociales tendrían un impacto tan grande como lo poseen hoy. Pero el deseo de
conectarse con otras personas desde cualquier lugar del mundo ha hecho que las
personas y las organizaciones estén cada vez más inmersas en las redes sociales.
Características
- El principal propósito de las redes
sociales es el de conectar personas.
- Las redes sociales son estructuras
formadas en Internet por personas u
organizaciones que se conectan a
partir de intereses o valores
comunes. A través de ellas, se crean
relaciones entre individuos o
empresas de forma rápida, sin
jerarquía o límites físicos.
- Las redes sociales, en el mundo virtual, son sitios y aplicaciones que operan
en niveles diversos – como el profesional, de relación, entre otros – pero
siempre permitiendo el intercambio de información entre personas y/o
empresas.

En Internet, las redes sociales han suscitado discusiones como la de falta de privacidad,
pero también han servido como medio de convocatoria para manifestaciones públicas
en protestas. Estas plataformas crearon, también, una nueva forma de relación entre
empresas y clientes, abriendo caminos tanto para la interacción, como para el anuncio
de productos o servicios.

32
Tipos de redes sociales
Las redes sociales se pueden clasificar en dos tipos:

● Redes sociales horizontales o genéricas. Son aquellas redes

sociales que no poseen una temática determinada, sino que apuntan
a todo tipo de usuarios. Estas redes funcionan como medios de
comunicación, información o entretenimiento. Son muy numerosas y populares,
por ejemplo: Facebook o Twitter.
● Redes sociales verticales. Son aquellas redes sociales que
relacionan personas con intereses específicos en común,
como música, hobbies, deportes. Por ejemplo: Flickr, red
social cuya temática es la fotografía. Dentro de estas redes se
encuentran las redes verticales profesionales, como LinkedIn,
que involucra individuos que comparten el ámbito laboral o que
buscan ampliar sus fronteras laborales.

Los riesgos de las Redes Sociales

¿Seríamos capaces de dar nuestra dirección o datos personales a cualquier

desconocido en la calle? ¿Y en Internet? Un estudio sobre las redes sociales en
(Facebook, por ejemplo, es sólo una de ellas y objeto del estudio por su enorme difusión
en la red) realizado por Segu-Info.com.ar destaca lo fácil que resulta crear un perfil falso
y conseguir que otros usuarios lo acepten como nuevo contacto, permitiendo acceder a
información de sus perfiles (fecha de nacimiento, sus intereses, correo electrónico, sitio
web personal (un blog con fotos), teléfono móvil…)

Algunos delitos en el mundo de la Redes Sociales.

- Grooming (acoso a menores de edad)

- Cyberbullying
- Phishing (robo de datos bancarios)
- Robo de identidad
- Fraude

LA TRANSFORMACIÓN DIGITAL: “Cambias o te cambian”

La transformación digital es la reinvención de una organización a través de la utilización
de la tecnología digital para mejorar la forma en que se la organización se desempeña

33
y sirve a quienes la constituyen. Digital se refiere al uso
de la tecnología que genera, almacena y procesa los
datos.
El término transformación se refiere a un cambio
fundamental en los negocios del día a día de una
organización, desde los tipos de productos y servicios
que produce hasta la forma en que los entrega. Una
organización en la necesidad de una transformación –
ya sea una empresa, agencia gubernamental, o un
proveedor de servicios, como los de cuidado de la
salud– por lo general responde a un cambio en el
mercado y a la demanda de los consumidores por un producto o servicio.
La mera implementación de tecnología
por sí sola no produce transformación
digital, pero cambiar una organización
para aprovechar el potencial de estas
tecnologías sí lo hace.
La transformación digital puede ser
considerada como la tercera etapa de
adoptar las tecnologías digitales: la
competencia digital → el uso digital →
la transformación digital, con la capacidad de uso y de transformación transformadora
que brinda la alfabetización digital.
La etapa de transformación significa que los usos digitales permiten inherentemente
nuevos tipos de innovación y creatividad en un ámbito particular, más que sencillamente
mejorar y apoyar los métodos tradicionales.

¿Qué no es la transformación digital?

Tener presencia en Twitter o Facebook no es sinónimo de digitalización. La

transformación va más allá de tener un simple negocio online y usar la imagen de
Organización/Empresa a través de una web. Esta nueva panorámica cargada de
oportunidades conlleva una completa transformación en la organización y la cultura de
las compañías en cada departamento. La transformación digital:

• No es es informatizar los procesos de la organización/empresa

• No es marketing digital
• No es una tienda online
• No es publicidad digital

Es un hecho innegable que tanto empresas, trabajadores y consumidores han cambiado

sus maneras de comportamiento. El consumidor, al que se pretende complacer, posee
cada vez más información, poder de decisión y canales de información de los que, hasta
hace poco, sólo disponían las marcas. El cliente busca estar cada vez más conectado,
interactuar más y confiar en la marca que le proporcione fidelidad. Para ello,
trabajadores y empresa cambian tecnológica y culturalmente para adaptarse a las
nuevas demandas del cliente.

Claves a tener en cuenta para iniciar el proceso:

34
 ● Formación digital de las personas: La capacitación de las personas es uno de
los aspectos claves para que la Transformación Digital de una
organización/empresa sea exitosa.
● Conocimiento de las herramientas digitales: Es
habitual que se piense que con una nueva web y
con estar presentes en LinkedIn y Facebook es
más que suficiente. Pero en realidad el universo
de nuevos servicios digitales dentro de Internet
puede ofrecer muchas herramientas disponibles para que ayuden a la
consecución de los objetivos marcados por la empresa.
● Brand Awareness o Reconocimiento de Marca: En la economía global en la
que vivimos, ser una marca reconocida y respaldada por una buena reputación
digital abre puertas a nuevas oportunidades de negocio.
● Ser Innovador: Cualquier invento o novedad que implique reducción de costos
o aumento de beneficios puede convertirse en el foco de atención para la
transformación digital.
● Utilización del Big Data: El Big Data es uno de los elementos estrella en la
Transformación Digital de una organización/empresa. La organización y
exploración de los datos que la organización/empresa posee ofrece la
posibilidad de enfocar las actividades hacia esa demanda sobre la que ha
obtenido información.
● Compromiso del equipo directivo: Para que un proceso de Transformación
Digital tenga éxito, la primera en digitalizarse ha de ser los responsables
máximos de la organización/empresa. Los directivos son los encargados de
fomentar una cultura de cambio y de transmitir este momento disruptivo como
algo ilusionante y positivo para todo el organigrama. Su postura ha de ser la de
facilitar todos los cambios que lleva consigo este proceso.

TECNOLOGÍAS CLAVES PARA LA TRANSFORMACIÓN DIGITAL

De todas las tecnologías disponibles y en desarrollo, se debe tener en cuenta las
siguientes:
● Las telecomunicaciones
● Internet
● El móvil y las redes móviles.
● Las redes sociales.
● La nube.
● Big data.
● Internet de las cosas.
● Inteligencia artificial
● Realidad virtual y realidad aumentada
● Robotización.
● Impresión 3D

SITIOS CONSULTADOS:

https://es.wikipedia.org/wiki/Alvin_Toffler

https://www.lanacion.com.ar/opinion/la-revolucion-del-conocimiento-nid702435/
35
https://economipedia.com/definiciones/cuarta-revolucion-industrial.html

https://es.unesco.org/themes/construir-sociedades-del-conocimiento

http://www.formacionib.org/noticias/?Sociedad-de-informacion-y-conocimiento

https://es.wikipedia.org/wiki/Tecnolog%C3%ADas_de_la_informaci%C3%B3n_y_la_co
municaci%C3%B3n

https://es.wikipedia.org/wiki/Internet

https://es.wikipedia.org/wiki/Red_social

https://www.argentina.gob.ar/grooming

https://www.pensamientopenal.com.ar/system/files/2015/08/doctrina41758.pdf

https://www.argentina.gob.ar/produccion/transformacion-digital-y-economia-del-
conocimiento

https://es.wikipedia.org/wiki/Transformaci%C3%B3n_digital

https://www.redhat.com/es/topics/digital-transformation

36
Unidad 2

37
 1. Introducción
Actualmente todos los que navegamos en Internet somos, en cierta medida y de acuerdo
a las proporciones, consumidores y/o productores de datos e información. En éste
mismo esquema podemos concebir a las compañías que tienen presencia en Internet
en dos grandes grupos, están las que apostaron por la democratización de sus servicios
a través de Internet y posibilitaron que los usuarios pasaran de ser sólo consumidores
a también ser productores de información y contenidos, entre las más representativas
están Google, YouTube, Facebook, Twitter, Instagram, Waze, Airbnb, entre otras tantas.
También están las que ofrecen principalmente el servicio de consumo de información y
contenidos, como es el caso de Netflix, Amazon, Spotify y YouTube por mencionar
algunas. Sin importar de qué compañía se trate, se dieron cuenta que estaban
almacenando grandes cúmulos de datos y lejos de verlo como un problema de
escalabilidad —por sí mismo significa un reto e inversiones millonarias—, identificaron
un problema todavía mayor: cómo dotar de significado a los datos que registran los
usuarios en sus sistemas, ya sea de manera consciente o inconsciente, y no sólo eso,
sino cómo obtener un conjunto procesado y estructurado de datos que posibilitan una
mejor comprensión teórica o práctica de la realidad en menor tiempo.
Con el registro de la huella digital de los usuarios se pueden identificar sus preferencias
e intereses, deseos de compra, tendencias y frecuencia de consumo, horarios de
interacción, redes sociales, ubicación de conexión, dispositivos utilizados, entre otros
tantos identificadores.
Las organizaciones deben saber aprovechar al máximo la información y explorar de
manera inteligente cómo pueden beneficiarse del análisis de los datos que generan sus
usuarios, operaciones, productos o servicios. No hay que olvidar que ahora, más que
nunca, el recurso intangible más valioso en nuestros tiempos es el poder de la
información y del conocimiento que obtengamos de éste.
2. Un mundo más conectado
Estamos en tiempos donde la conexión a múltiples sistemas de información es
innegable, cada vez nos conectamos a más servicios y somos más dependientes de
éstos. El paradigma ha cambiado en pocos años, tal como lo advierten Hilbert y Lopez
(2011), hemos pasado de ser analógicos a ser digitales, lo que ha propiciado que
estemos conectados desde diferentes dispositivos, a toda hora y desde cualquier lugar.
Como resultado vivimos en un mundo cada vez más conectado, donde la inmediatez de
la información se ha convertido en una necesidad de primer orden para hacer negocios,
establecer relaciones sociales, consumir contenidos multimedia e incluso, estudiar en
modalidades no tradicionales.

38
 Figura 1. ¿Qué sucede en línea cada 60 segundos? Fuente: Smart Insigts.
Recuperado de: https://goo.gl/jiaDX2
La siguiente infografía hace un recuento del crecimiento que han tenido algunas de las
principales aplicaciones y servicios en Internet en los tres últimos años. Nos ayuda a
tener un referente de la magnitud de datos que llegan a manejar estas grandes
compañías, por ejemplo: en 2016, YouTube reporta que en su plataforma cargan 500
horas de vídeo cada 60 segundos, por lo que al término del año suman 262.8 millones
de horas de vídeo, es decir, para poder ver todo el contenido cargado en un año en
YouTube se requerirían 30000 años. Y los datos siguen creciendo año tras año.2

Figura 2. Interconexión de Facebook en el mundo

Fuente: http://fbmap.bitaesthetics.com/

El ingeniero de datos en Facebook, Paul Butler (2010) interpretó muy bien el refrán “una
imagen vale más que mil palabras”, ya que a finales del 2010 desarrolló el ejemplo más
claro que tenemos hasta el momento sobre la visualización de un mundo más
conectado. Butler tomó una muestra de 10 millones de pares de amigos en Facebook y
los combinó con sus datos de ubicación (latitud y longitud), generando así la siguiente
visualización de datos:

39
En el artículo “40 maps that explain the internet” de Timothy B. Lee (2014), publicado
en el sitio Vox, podrán consultar diferentes mapas e información sobre la evolución y
conexión que ha tenido Internet desde sus inicios.
3. El valor subestimado de los datos
Las compañías como Google, Facebook y Twitter gastan increíbles cantidades de dinero
para mantener sus sistemas, sin embargo, los usuarios finales no son quienes pagan
directamente esos gastos, en lugar de ello proveen contenido a la vez que son objeto
de ambiciosas campañas publicitarias, lo que significa que otras compañías están
pagando los costos de infraestructura a cambio de obtener datos de los usuarios (Van
der Aalst, 2014). Para Twitter existen aplicaciones web donde se calcula el valor que
tiene una cuenta, lo cual es un estimado con base al número de seguidores que tengas,
la cantidad de personas que te siguen, los tweets que escribes y la velocidad con la que
ganas seguidores. Por ejemplo, al hacer la prueba en los sitios twalue.com y
tweetvalue.com reportaron que mi cuenta en Twitter (@jgmorenos) está valuada en
$18.47 y $44 dólares, respectivamente. Recientemente el analista Cakmak (2017),
analizó el valor que tiene para Twitter la cuenta de Donald Trump (37.4 millones de
seguidores con más de 35 mil Tweets) y la calculó en 2 mil millones de dólares. Hay que
considerar que estos valores son estimaciones y habrá que tomarlos con reserva, pero
al menos son una invitación para reflexionar y no subestimar el valor que tienen los
datos.
Son varios los casos de éxito en donde las compañías se han beneficiado por codificar
el valor oculto que tienen sus datos, para así mejorar sus productos y servicios,
principalmente. Por ejemplo, Netflix ha sabido utilizar bien sus datos, pues tiene como
objetivo principal: “ayudar a sus suscriptores a encontrar el contenido que realmente
disfrutan, maximizando así su satisfacción y retención” (Elahi, 2015, p. 4). Desde sus
inicios en 1997, con el servicio de renta y envío de DVD por correo postal, le dio una
gran importancia a los datos de sus usuarios y en 2000 comenzó a desarrollar lo que
sería su primer algoritmo (Cinematch) para crear un sistema que permitiera recomendar
contenido de alto interés para cada uno de sus suscriptores. En el 2006, Netflix abrió su
algoritmo a la comunidad científica y ofreció una recompensa de 1 millón de dólares
para quién(es) lograran mejorar en un 10% su capacidad predictora, tuvieron que pasar
tres años para que el grupo BellKor’s Pragmatic Chaos logrará resolverlo. En 2007
comenzó con su servicio de descarga y reproducción (streaming) de películas y series,
y después de seis años lograron recopilar suficientes datos para predecir con seguridad
el éxito de su primera producción original “House of Cards”. Éste es un claro ejemplo de
cómo ser exitosos codificando datos y lograr que una serie obtenga alto interés de parte
de los usuarios.
El sitio statista.com reportó que en el segundo cuatrimestre de 2017 Netflix tiene 103.9
millones de suscriptores a nivel mundial, de los cuales procesa en promedio 695 mil
millones de eventos por día, es decir, una base de datos de 1.8 Petabytes diarios.3
Algunos de los eventos registrados por Netflix son:
• ¿Desde dónde se conectan?
• ¿A través de qué dispositivo?
• ¿En qué horarios se conectan?

40
• ¿El tipo de contenido (película, serie) varia con el dispositivo?
• ¿Ven los créditos?
• ¿Cuánto tardan en ver el contenido?
• ¿Cuáles son sus actores y directores favoritos?
• ¿Qué y cómo califican?
• ¿Qué buscan?
• Etcétera.
Sin una gran cantidad de datos, no hubiera sido posible que Netflix siguiera entrenando
sus sistemas de recomendación. Se necesita contar con una gran serie de datos
históricos para poder analizar todas las posibles combinaciones, y así identificar
patrones y tendencias que permitan tener algoritmos más robustos al momento de hacer
las recomendaciones a sus suscriptores. Y tal como la misma compañía advierte
“alrededor del 75% de la visualización en Netflix es impulsada por el algoritmo de
recomendación” (Vanderbilt, 2013)
4. Científico de datos
El considerado padre del “management”, Peter Drucker (2004), reconoció que la
sociedad postcapitalista es una sociedad basada en el conocimiento, donde el centro
de la producción de la riqueza es el saber y no el capital. Los protagonistas claves en
esta economía del conocimiento serán los “trabajadores del conocimiento”, es decir, los
que posean las capacidades, las habilidades, el pensamiento creativo y la tecnología
para procesar, analizar y visualizar las grandes bases de datos.
Los “trabajadores del conocimiento” que menciona Drucker, son los que ahora ya tienen
un perfil más claro y se les conoce como científicos de datos, en ellos recae la
responsabilidad de entender en su máxima expresión los datos y sus relaciones, con el
objetivo de tomar decisiones más informadas a la vez que mejoran los productos y
servicios de las organizaciones.
Davenport y Patil en su artículo “Data Scientist:
The sexiest job of the 21st century” (2012), definieron por primera vez el concepto de
científico de datos y con ello generaron una gran revolución. De acuerdo con las
estadísticas obtenidas de scholar.google.com, el artículo ha sido citado 568 veces y se
han producido 15 versiones diferentes. Además de definir quién es un científico de
datos, presentan un decálogo para encontrar el científico de datos correcto, explican
cuáles son los intereses del profesional y de los cuidados que deberán tener las
empresas para conservarlos.
El científico de datos viene a dar solución a las preguntas, ¿cómo almacenar los datos?,
¿cómo analizar y obtener valor de los datos? y ¿cómo visualizar y comunicar lo que nos
quieren decir los datos?
En términos generales, el científico de datos combina estadística, matemáticas,
programación y solución de problemas, con la captura datos de forma ingeniosa y la
capacidad de mirar las cosas de manera diferente (encontrar patrones), además de
hacer las actividades propias de limpieza, preparación e integración de datos (Monnapa,
41
2017). De acuerdo con la encuesta que realizó la compañía Crowd Flower (2017) a 179
científicos de datos seleccionados en todo el mundo, identificó la distribución de las
actividades que les toma mayor tiempo en su quehacer, las cuales se distribuyen de la
siguiente manera:
● 51% colectar, etiquetar, limpiar y organizar los datos.
● 19% construir y modelar los datos.
● 10% el modelado de datos para patrones.
● 9% refinar algoritmos.
● 8% otras actividades.
Entre las actividades que más disfrutan, están: construir y modelar los datos, aplicar
minería de datos para encontrar patrones y refinar algoritmos. Entre las que menos
gustan, están: limpiar y organizar datos, etiquetarlos y colectarlos. El 51% de los
encuestados reportó que trabajan con datos no estructurados. Los datos con los que
trabajan provienen principalmente de los sistemas internos de las compañías en las que
trabajan, seguido de los que colectan de forma manual y, por último, de los conjuntos
de datos disponibles públicamente.
Son tres las áreas en las que se desarrollan principalmente los científicos de datos:
● Big Data para procesar datos,
● Minería de datos para analizar e identificar relaciones ocultas, patrones y
tendencias,
● Visualización de datos para explicar y socializar mejor la información obtenida.
También existe una amplia gama de técnicas y software especializado que el científico
de datos utiliza para desarrollarse en cada una de las áreas, de las cuáles se pueden
clasificar por herramientas de extracción, almacenamiento, limpieza, minería,
visualización, programación, análisis e integración de datos. En la siguiente figura se
presentan las habilidades, los conocimientos y la experiencia que debe poseer el
científico de datos, así como una muestra del software especializado y técnicas que
existen por sus áreas de desarrollo.

42
A continuación, se hace una breve descripción de cada una de las áreas e
intersecciones que se muestran en la figura, a la vez que se mencionan algunos
ejemplos de proyectos que realizan los científicos de datos.
5. Big Data
Los investigadores Cox y Ellsworth (1997) de la Administración Nacional de la
Aeronáutica y del Espacio (NASA por sus siglas en inglés), fueron los primeros en utilizar
el término Big Data en un artículo científico, en el que señalaron el problema al que se
enfrentaban al visualizar y el procesar grandes cantidades datos, así como las limitantes
técnicas de las computadoras (gráficos, memorias y almacenamiento) que tenían en
esos tiempos.
Ha sido un término que, al igual que su nombre, ha tenido una gran aceptación en todas
las industrias y son muchas las definiciones que existen al respecto, en particular me
gusta definir el concepto de Big Data como: el gran cúmulo de datos compuesto por
diferentes tipos, estructuras y relaciones de datos, que a su vez tienen veloces tasas de
generación y dispersión, y el procesarlos con tecnologías convencionales para su
posterior análisis es parte del problema (Big Problem).

De acuerdo con Van der Aalst (2014), utiliza el término Internet of Events (IoE) para
referir a todos los datos disponibles en Internet. Y los clasifica de la siguiente manera:

● Internet of the Content (IoC). Es toda la información creada por los seres
humanos para aumentar el conocimiento sobre temas particulares. Incluye
páginas web tradicionales, artículos, enciclopedias como Wikipedia, YouTube,
libros electrónicos, noticias, etcétera.
● Internet of the People (IoP). Son todos los datos relacionados con la interacción
social. Es decir, correo electrónico, Facebook, Twitter, foros, LinkedIn, etcétera.
● Internet of the Things (IoT). Son todos los objetos físicos conectados a la red.
Son todas las cosas que tienen una identificación única y una presencia en una
estructura similar a Internet. Las cosas pueden tener una conexión a Internet o
estar etiquetados usando identificación por radio frecuencia (RFID por sus siglas
en inglés), proximidad a campos de comunicación (NFC por sus siglas en inglés),
etcétera.
● Internet of the Locations (IoL). Refiere a todos los datos que tienen una
dimensión espacial. Con la adopción de dispositivos móviles (por ejemplo,
teléfonos inteligentes) cada vez más eventos tienen atributos geoespaciales.
Es importante contar con este marco de referencia, ya que es una buena forma para
clasificar la generación del Big Data por tipos de eventos.

6. Minería de datos
En términos sumamente prácticos la minería de datos la podemos definir como a la
extracción de conocimientos de grandes cantidades de datos. Han y Kamber (2006),
hacen una interesante crítica al concepto de minería de datos: “la extracción de oro de
las rocas o la arena se conoce como minería de oro en lugar de minería de roca o arena.
Por lo tanto, la minería de datos debería haber sido más apropiadamente llamada
minería del conocimiento a partir de datos. Sin embargo, la minería es un término vívido
43
que caracteriza al proceso de encontrar un pequeño conjunto de preciosas pepitas en
una gran cantidad de materia prima” (p. 5).
La minería de datos tiene dos referentes principales. Al primero se le conoce como el
proceso de descubrimiento de conocimiento en bases de datos (mejor conocido por sus
siglas en inglés, KDD), que fue promovido en 1989 por iniciativa de Shapiro y Smyth
(1996) y está definido por cinco etapas (selección, pre-procesamiento, transformación,
minería de datos e interpretación/evaluación). El segundo es el proceso estándar de la
industria para la minería de datos (mejor conocido por sus siglas en inglés, CRISP-DM),
el cual fue concebido en 1996 y define seis fases en su proceso (comprensión del
negocio, comprensión de datos, preparación de datos, modelado, evaluación e
implementación) (Wirth y Hipp, 2000).
La minería de datos en principio trabaja sobre todo tipo de datos. Los estructurados se
refieren a las bases de datos relacionales (filas y columnas claramente identificadas);
los semiestructurados son los que tienen un tipo de estructura implícita, pero no como
para ser automatizada como la estructurada (datos espaciales, temporales y textuales);
los no estructurados son los que principalmente provienen de sitios en Internet y son del
tipo multimedia (imágenes, audio y videos). Los dos últimos se identifican con la minería
de textos y la minería web, respectivamente.

Entre las principales técnicas que se utilizan en la minería de datos, están: regresión
lineal, estimación de densidad, reconocimiento de patrones, series de tiempo, árboles
de decisión, estadística Bayesiana, redes neuronales, aprendizaje supervisado y no
supervisado, k vecinos más próximos (K-NN), sistemas de recomendación, modelos
predictivos, teoría de juegos, aprendizaje profundo, entre otros más. Para mayor
información de cada una de las técnicas, se sugiere revisar a Granville (2016).

7. Visualización de datos
La visualización de datos es considerada por algunos como una ciencia y hay quienes
la clasifican como un arte, cuando en realidad es una combinación de ambas. Sus
principales precursores justo provienen de las ciencias exactas, que han tenido la
necesidad de recurrir al campo de la creatividad y del arte, con el propósito de
representar con fines estéticos algún aspecto de la realidad.

Imagen: mcmurryjulie.

44
La visualización de datos sólo tendrá éxito en la medida que nuestros ojos codifiquen la
información para poder discernirla y nuestros cerebros la pueden entender. El objetivo
es traducir de maneras fáciles, eficientes, precisas y decodificadas la información
abstracta en representaciones visuales significativas (Few, 2013).
La visualización de datos ayuda al usuario a examinar una gran cantidad de datos e
identificar patrones o tendencias con la ayuda de gráficas o representaciones. Una sola
gráfica puede codificar mucha más información que la que se puede presentar en varias
hojas de texto (Pujari, 2001, p. 48).
La visualización de datos que ahora conocemos ha sido desarrollada a lo largo de la
humanidad, siempre ha existido la necesidad de abstraer y comunicar información.
Desde siglo II d. C. se han organizado los datos en tablas (columnas y filas), pero la idea
de representar gráficamente la información cuantitativa surgió hasta el siglo XVII,
cuando el filósofo y matemático francés René Descartes desarrolló un sistema de
coordenadas bidimensional para mostrar valores. A finales del siglo XVIII, el ingeniero y
economista William Playfair encontró el potencial de los gráficos para la comunicación
de datos cuantitativos, definió muchos de los gráficos que se utilizan actualmente
(barras y líneas en función del tiempo), incluso inventó el gráfico circular (pastel). Cabe
señalar que este tipo de gráfico ha sido objeto de muchas críticas por parte de los
especialistas en el área de visualización de datos y percepción. Por ejemplo, Few (2013)
ha demostrado que es ineficaz, ya que codifica los valores como atributos visuales
(áreas y ángulos), lo que impide percibir y comparar fácilmente.

El trabajo del cartógrafo Jacques Bertin fue fundamental, pues descubrió que la
percepción visual opera según reglas que se pueden seguir para expresar visualmente
la información de manera intuitiva, clara, precisa y eficiente. El profesor de estadística
en Princeton, John W. Tukey, dio forma a un nuevo enfoque estadístico llamado análisis
exploratorio de datos, y fue quien realmente introdujo el poder de la visualización de
datos como un medio para explorar y dar sentido a los datos cuantitativos. El estadístico
y artista Edward R. Tufte publicó en 1983 el libro The Visual Display of Quantitative
Information, mismo que revolucionó las formas eficaces de mostrar los datos
visualmente. El matemático William S. Cleveland con la publicación de sus libros The
Elements of Graphing Data y Visualizing Data hizo grandes aportaciones en cuanto a
las técnicas que utilizan los estadísticos para la visualización de datos. En 1999, los
investigadores Stuart Card, Jock Mackinlay y Ben Shneiderman acuñaron una nueva
especialidad “visualización de la información” y publicaron el libro Information
Visualization, Using Vision to Think, en el que recopilan mucho del trabajo académico
que se había realizado hasta ese momento, y a nuestros días es uno de los principales
referentes de la visualización de datos e información (Few, 2013).

8. Relación 1. Big Data y minería de datos

Debe existir una estrecha relación entre ambas áreas, ya que los algoritmos y modelos
de entrenamiento y prueba desarrollados por el área de minería da datos deberán ser
implementados en los grandes cúmulos de datos (Big Data), sobre todo cuando se tiene
una amplia serie de datos históricos. Un ejemplo de lo anterior, es el artículo: “Applying
Data Mining Techniques to Identify Success Factors in Students Enrolled in Distance
Learning: A Case Study” (Moreno y Stephens, 2015). El artículo analiza, con técnicas
de minería de datos, los perfiles de ingreso, antecedentes académicos y matrícula de
los alumnos del Sistema Universidad Abierta y Educación a Distancia (SUAyED), de la
45
Universidad Nacional Autónoma de México (UNAM), con el propósito de determinar los
factores clave que impulsan el éxito y el fracaso de los alumnos, así como la creación
de su respectivo modelo predictivo usando el algoritmo de clasificación Naive Bayes.

Imagen: geralt.

9. Relación 2. Big Data y visualización de datos

La relación entre el área de Big Data y la visualización de datos es la que busca definir
la mejor interpretación y visualización de grandes cúmulos de datos y sus relaciones, de
forma que al usuario le resulte más fácil entenderlos. En la mayoría de los casos se
queda en la descripción de los datos en diferentes dimensiones y en algunos, incluyen
interactividad a sus relaciones. A continuación, se presenta una muestra de ejemplos:

● Referencias cruzadas de la biblia (Harrison, 2007). Es un proyecto en el que se

analiza, en la parte inferior de la visualización, todos los capítulos de la biblia en
un gráfico de barras, los cuales alternan entre los colores blanco y gris claro. La
longitud de cada barra denota el número de versos en el capítulo. Cada una de
las 63 779 referencias encontradas en la biblia está representada por un solo
arco y el color corresponde a la distancia entre los dos capítulos, creando un
efecto similar al arco iris.
● Temperaturas del clima (Carli, 2013). Al superponer datos meteorológicos
históricos, ésta visualización muestra cómo la temperatura evoluciona durante el
año en diferentes ciudades. Al establecer una banda de zona de confort, es
posible ver cuando la temperatura está por encima, dentro o debajo de la zona;
tanto a lo largo del año como a través de los días de cada temporada. Es un
claro ejemplo de una visualización interactiva.
● Población mundial (Carli, 2014). Es un proyecto de visualización interactiva
realizado para el Banco Mundial donde cada usuario al digitar su fecha de
nacimiento puede compararse con los datos de la población mundial (7.2 mil
millones de personas al 2014), y saber cuántas personas nacieron el mismo día
y a la misma hora. Al final presenta de manera ordenada la posición por la edad
que tenga el usuario y la compara con la población mundial.

10. Relación 3. Minería de datos y visualización de datos

La minería y la visualización de datos también pueden trabajar en una dimensión donde
no necesariamente se procesen un gran cúmulo de datos (Big Data), se pueden
implementar proyectos para una cantidad mesurada de datos, donde se apliquen
46
algoritmos y con éstos obtengamos un producto. A continuación, se muestran algunos
ejemplos:

● FLEET: Distribución e Inventario de Unidades (Moreno, 2017a). Es un proyecto

realizado para una empresa especializada al arrendamiento de vehículos, en el
que se analiza el número de unidades que ha comprado por estado, municipio y
concesionaria (agencia). Además, la visualización permite seleccionar los
modelos de los vehículos, por segmento y rango de precios. Cabe señalar que
todos los datos están relacionados y permiten la interacción.
● Gasolid: Identificador de Gasolineras en México (Moreno, 2017b). Es un
proyecto que permite medir el nivel de confianza en las gasolineras mexicanas.
Para lograrlo, se relacionaron bases de datos de la Procuraduría Federal del
Consumidor (PROFECO) y Petróleos Mexicanos (PEMEX), además de correr
procesos de geolocalización para identificar las direcciones de las estaciones de
servicio. De acuerdo a la selección aplicada (estado, municipio y código de la
estación de servicio), es posible ubicar a las gasolineras e identificar en nivel de
confianza en éstas, así como el historial que ha tenido en los últimos cuatro años
sobre el número de mangueras verificadas e inmovilizadas.

11. Relación 1, 2 y 3. Big Data, minería y visualización de datos

El científico de datos puede interactuar en cualquiera de las tres áreas (Big Data, minería
y visualización de datos) y en sus respectivas intersecciones (1, 2 y 3), siempre y cuando
posea las habilidades, conocimientos, técnicas y experiencia para lograr dar respuesta
a las necesidades de las organizaciones en términos de codificar mejor sus datos.
Drinking Data (Ratti, 2014). Es un proyecto que integra todas las áreas de la ciencia de
datos y sus intersecciones, fue desarrollado por investigadores del Instituto Tecnológico
de Massachusetts (MIT por sus siglas en inglés). La pregunta que detonó el desarrollo
del proyecto fue: ¿podemos encontrar algún valor en la enorme cantidad de información
registrada por las máquinas dispensadoras de refrescos enlatados? Considerando que
en los Estados Unidos existen 15 000 máquinas dispensadoras y que cada una puede
despachar 150 latas únicas. En cada transacción se registra una cadena de datos: hora,
ubicación y preferencias del usuario (Big Data). Con éstos datos se visualizaron
patrones de consumo total y se encontraron altos consumos de bebidas los fines de
semana y lo contrario, durante los días entre semana (Visualización de datos). Con toda
la explotación de los datos pudieron entender mejor lo que sucede: el analizar los
dispensadores individualmente mostró características inesperadas (Minería de datos).
12. Aplicaciones de la ciencia de Datos
En este punto se presentan las principales áreas y sectores empresariales en los que
se puede aplicar la minería de datos. Hoy en día, la potencia de cálculo de los
superordenadores y las estaciones de trabajo e incluso los ordenadores personales
permite manejar ingentes cantidades de datos y ofrecer tiempos de respuesta tan
reducidos como para integrar estos métodos en interfaces de usuario.

47
a) Ciberseguridad: identificación de ciberamenazas

La detección se realiza a partir de los datos de acceso a los sistemas y recursos de red.
Se buscan patrones y se procede a dar la alerta cuando se detectan situaciones que no
respondan a un patrón predefinido.

Los datos provienen de logs de actividad, con abrumadoras cantidades de datos

recopilados en archivos históricos. De ellos, se extraen patrones de actividad para
usarlos como referencia.

b) Finanzas: detección de fraudes

Un proceso similar se aplica en la detección de fraudes en pagos con tarjetas de crédito,

por ejemplo. Aquí, los sistemas pueden cruzar datos de diferentes fuentes, como la
actividad habitual de un cliente, junto con los "normales" de uso.

De esta forma, es posible identificar escenarios fraudulentos (tarjetas

duplicadas/robadas o cobros indebidos/duplicados), paralizando o advirtiendo sobre una
actividad irregular antes de que se produzca el daño.

c) Seguros: cálculo de primas

El sector de los seguros es otro que se beneficia de la Ciencia de Datos. Analizando

los hábitos de conducción mediante sensores, una empresa aseguradora puede
calcular los riesgos de accidente de un cliente y ofrecer una cuota personalizada para
él. Incluso puede introducir conceptos variables que dependen del análisis de sus rutinas
en diferentes épocas del año.

d) Medicina: detección de tumores y búsqueda de tratamientos

Campos como el análisis de imagen en la identificación de enfermedades son

perfectos candidatos para aplicar la Ciencia de Datos. Cuando se obtienen las imágenes
en un TAC, radiografía o ecografía, los sistemas de reconocimiento empiezan a ser
mejores incluso que los propios especialistas humanos.

e) Industria: mantenimiento predictivo o la salud de las máquinas

El mantenimiento predictivo es un ejemplo claro de aplicación de la Ciencia de Datos en

la industria. Las máquinas, sistemas logísticos y demás elementos de una planta
industrial integran miles de sensores que recogen datos sobre temperaturas, horas de
funcionamiento, velocidades, distancias, nivel de ruido, etc.

Se genera cantidad de información que hay que preparar, filtrar, limpiar e introducir
en los modelos de Machine Learning o Deep Learning para predecir fallos con
antelación. Como consecuencia, se consiguen sustanciosos ahorros en revisiones
periódicas o en compra de piezas de repuesto. Por no hablar de evitar que una planta
de producción se pare por sorpresa.

f) Marketing: clasificación de los clientes y las audiencias

Actualmente, la Ciencia de Datos es capaz de usar como fuentes a las redes sociales
en tiempo real. De esta manera, se puede desde predecir la demanda de un producto
hasta crearla a partir de ofertas segmentadas por clase social, preferencias culturales,
nivel adquisitivo, género, aficiones...
48
En los departamentos de marketing, estos datos ayudan a confeccionar informes previos
a campañas, lanzamientos o promociones. Y la visualización de datos, por supuesto, es
parte también de la oferta formativa en Ciencia de Datos de IMMUNE.

g) Buscadores: reconocimiento de imágenes

Valga Google Fotos como ejemplo. En esta plataforma, las fotos que subimos se
analizan y clasifican automáticamente a partir de aquellos elementos que la IA de
Google es capaz de identificar, ya sean coches, aviones, personas, flores, comida,
animales, paisajes o lugares singulares, entre otros.

La Ciencia de Datos interviene en la elección de los mismos (imágenes) para entrenar

a los modelos de Deep Learning. Para darnos cuenta de su importancia, recordemos
que, cuando se pedía a Google que buscara gorilas, devolvía como resultado fotos de
personas de color. Google lo resolvió inicialmente eliminando “gorila” de la búsqueda.

h) Automatización: coches que conducen solos y artistas digitales

Es uno de los territorios más ambiciosos de la Ciencia de Datos. No es lo mismo

automatizar el aparcamiento de un coche que automatizar la conducción completa,
por lo que aún queda un largo recorrido en esta vía.

i) Energía: asegurando el suministro

En el sector de la energía, la Ciencia de Datos se aplica a diferentes áreas, como la del

mantenimiento predictivo de sus instalaciones e infraestructuras y redes de
distribución, o la previsión de consumo, para programar las tareas de generación
energética.

También se emplea para detectar el uso fraudulento del grid ─como pueden ser
enganches ilegales─, prevenir caídas de suministro o tarificar en tiempo real.

Las soluciones de inteligencia artificial llevan décadas entre nosotros, y de modos

mucho más mundanos que los coches sin conductor o la tecnología de reconocimiento
facial. La tecnología inteligente hace tantísimas cosas a nuestras espaldas, y que ni
siquiera percibimos, que nos sorprendería descubrir lo complicadas que serían nuestras
vidas sin ella.

j) Redes Sociales

Las redes sociales proporcionan una cantidad ingente de información, lo que supone
una gran oportunidad para obtener conocimiento útil, como información sobre el
comportamiento de los usuarios y la interacción entre ellos, lo que en el caso de las
empresas puede redundar finalmente en una ventaja competitiva. La explotación de esta
información no es sólo una oportunidad sino también un reto importante, ya que, a
diferencia del análisis de textos tradicional, en el que se investigaba el contenido con el
objetivo de obtener información para su clasificación, en este caso, la explotación se
complica, tanto por la cantidad de datos de entrada como por su naturaleza. Por ejemplo,
es preciso considerar nuevas variables, como los seguidores (en el argot de Twitter, los
denominados followers).

En el caso específico de Twitter, la información (los tweets) es generada de forma

masiva y a una velocidad vertiginosa propiciando la necesidad imperiosa de un
almacenamiento y procesamiento óptimos y eficientes que gestionen este aumento
49
exponencial de información a analizar en formato de texto. Las herramientas de
visualización también están cambiando para adaptarse a la información rápida y con
representaciones gráficas de alto nivel de percepción que ayuden al análisis y a la toma
de decisiones.

Existen numerosas herramientas de análisis de los datos de redes sociales, en particular

de Twitter. Generalmente, estas herramientas organizan, clasifican o filtran la
información de manera que los usuarios de la misma puedan monitorizarla y extraer
conocimiento que de otro modo hubiera sido muy difícil extraer del conjunto total de
información. Por ejemplo, Tweet Binder es capaz de organizar usuarios en diferentes
listas, como la de “usuarios más activos”, que ordena a los usuarios según el número
de tweets que publican, o la de “usuarios que generan mayor impacto”, que cuenta el
número de tweets de un usuario vistos por el resto de usuarios. Otra funcionalidad de la
herramienta es filtrar sólo los tweets que contienen enlaces a otras páginas. En la misma
línea, la aplicación para iPad Tweet Category3 saca estadísticos como, por ejemplo, el
índice de actividad en una conferencia, que se mide por el porcentaje de usuarios que
publican tweets sobre el total de los asistentes. En efecto, esta información puede ser
útil para los usuarios de la herramienta, por ejemplo, las empresas, que pueden
identificar personas que tienen impacto o generan interés en su área de negocio.

Otras herramientas buscan facilitar la tarea de los usuarios filtrando o reorganizando la

información procesada mediante métodos estadísticos y de reconocimiento de patrones,
extrayendo un conocimiento para el usuario. Este conocimiento no está presente en los
datos crudos de entrada y sólo es posible alcanzarlo mediante este procesamiento
automático (no mediante inspección de los datos ni de listas organizadas de éstos).

Un ejemplo de la utilidad de este tipo de análisis y su capacidad de mejorar y

complementar las soluciones existentes es la herramienta Hashtracking, que permite
extraer un gráfico de la evolución del número de tweets publicados en relación con un
hashtag (por ejemplo, a lo largo de una conferencia). También saca una lista con los
usuarios más activos, e imprime en pantalla el número de followers de cada uno. De
esta manera, los usuarios de la aplicación pueden identificar a las personas más
influyentes.

13. ANÁLISIS ESTADÍSTICO DE DATOS

Sin duda alguna, la estadística ocupa uno de los lugares más importantes dentro de las
investigaciones científicas, ya que por medio de esta se realizan evaluaciones
cuantitativas sobre las hipótesis de investigación, que posteriormente desarrollan
modelos predictivos, se llegan a estimar algunos parámetros y se pueden analizar
experimentos.
La estadística es la rama de las matemáticas que examina las formas de procesar y
analizar datos. Ofrece procedimientos para recolectar y transformar los datos de manera
que sean de utilidad para quienes toman decisiones en los negocios. (Levine, Krehbiel,
& Berenson, 2006)
Los datos son información específica de hechos, que permite realizar estudios,
analizarlos y conocer más sobre ellos. La información es el conjunto de los datos que
tienen un significado.
Los datos al inicio son imperfectos, en el sentido que no brinda información de utilidad.
Es necesario aprender métodos que permitan obtener información a partir de datos
50
observados y analizados para comprender mejor la situación que los mismos presentan.
Existen muchos métodos estadísticos cuyo propósito es ayudar a exponer las
características sobresalientes e interesantes de los datos que pueden ser usados en
casi todas las áreas del conocimiento.
La estadística es un conjunto de técnicas y métodos científicos que permiten al
investigador interpretar la información numérica, elegir muestras representativas para
realizar inferencias, contrastar hipótesis, estimar y predecir mediante relaciones causa-
efecto y tomar decisiones. (Saenz, 2005).
El uso de algún programa de computación dirigido a la estadística, es importante para
la ciencia básica como para la aplicada; ya que por medio de este existen muchas
posibilidades de automatización de los cálculos estadísticos que son muy complejos en
lo que se refiere al análisis de datos.
Existen aplicaciones en la investigación científica con altos costos en sus licencias
(SPSS, Minitab, Statgraphic, MS Excel, entre otros). Sin embargo, en los últimos años
han surgido algunas aplicaciones que son de software libre, tal es el caso de R y Python.
Estadística Descriptiva
Es el conjunto de técnicas para analizar, describir e interpretar los datos recolectados
sobre un fenómeno de interés, con el fin de tomar decisiones, obtener conclusiones o
plantear hipótesis (Jorge Andrés Alvarado Valencia, 2008).
Es un conjunto de técnicas numéricas y graficas con las que se intenta descubrir la
estructura de un conjunto de datos. (Saenz, 2005)
Para analizar datos, es posible servirse de un conjunto de herramientas y de técnicas
conocidas de la Estadística Descriptiva. Antes de ello, resulta necesario clasificar las
variables que caracterizan a los datos en dos tipos: escalares y categóricas:
Variables escalares: son variables susceptibles de medición cuantitativa, también
denominadas variables métricas. Es decir, son representaciones numéricas reales de
una característica de interés como el tiempo de producción, el número de defectos de
una pieza o su longitud.
Variables categóricas: son aquellas variables cuyos posibles valores no son
susceptibles de medición cuantitativa directa pero sí pueden ser clasificados. También
conocidas como variables no métricas. Ejemplo: el género de una persona, su estado
civil o su estado socioeconómico. Las variables categóricas se dividen en dos grupos:
nominales y ordinales.
Análisis de datos.
Análisis: El análisis implica categorización, ordenamiento, manipulación y resumen de
datos para responder a ciertas preguntas de investigación de un tema en específico.
(Saenz, 2005). La distinción y separación de las partes de un todo hasta llegar a
conocer sus principios o elementos.
Machine Learning
Es una disciplina científica de la inteligencia artificial que crea sistemas que aprenden
automáticamente. Aprender en este contexto significa identificar patrones complejos en

51
millones de datos. De acuerdo a Arthur Samuel en 1959, le da a las computadoras la
habilidad de aprender sin ser explícitamente programadas.
Las técnicas de aprendizaje automático (Machine Learning) están en pleno desarrollo
de transformación y se puede definir como, un conjunto de métodos capaces de detectar
automáticamente patrones en los datos para realizar predicciones, o para tomar otros
tipos de decisiones en entorno de incertidumbre. (Management Solutions, 2018).
Los componentes principales del aprendizaje automático se pueden clasificar en cuatro
grupos:
• Las fuentes de información, que pueden aportar datos tantos estructurados como no
estructurados, y que son la base del reto de componentes.
• Las técnicas y algoritmos para el tratamiento de información no estructurada como
pueden ser: texto, voz, video, entre otros; y para la obtención de patrones a partir de
datos.
• La capacidad de autoaprendizaje, que permite que el algoritmo se adapte a los
cambios en los datos.
• El uso de sistemas y software como vehículo para la visualización de la información y
la programación.
Machine Learning utiliza algoritmos para convertir un conjunto de datos en un modelo
predictivo. El tipo de algoritmo que funciona mejor (supervisado, no supervisado,
clasificación, regresión, entre otros.) depende del tipo de problema que está resolviendo,
los recursos informáticos y la naturaleza de los datos. (Robertson, 2019)
Las técnicas de aprendizaje automático se emplean para localizar en los datos y crear
modelos que pronostiquen los resultados futuros. Hay disponible una amplia gama de
algoritmos de aprendizaje automático, incluidas regresiones lineales y no lineales,
algoritmos de clasificación, de clustering, redes neuronales, máquinas de vectores de
soporte, árboles de decisión, entre otros.
Lenguajes de programación R y Python para análisis de datos
Se describen los dos lenguajes de programación más populares en el ámbito de Ciencia
de los Datos y del análisis de datos, R y Python.
R: Es un lenguaje de programación para efectuar análisis de datos estadísticos y
visualizar gráficas de los mismos datos. Además, es un software libre, gratuito, accesible
y siempre a la vanguardia. (r-project.org, 2019)
Python: Es un lenguaje de programación y/o software de libre uso, ejecución,
distribución y modificación, además de que no tiene costo para quien lo usa. Una de sus
características es que es de alto nivel. Programación orientada a objetos. Dispone de
un rico ecosistema compuesto de librerías open source para matemáticas, estadísticas,
machine learning y ciencia en general. (python, s.f.)
14. Inteligencia Artificial
Todas las definiciones de Inteligencia Artificial están relacionadas con la siguiente idea:
Desarrollo de métodos y algoritmos que permitan comportarse a las computadoras de
modo inteligente.
52
Los procesos que se llevan a cabo en el cerebro pueden ser analizados, a un nivel de
abstracción dado, como procesos computacionales de algún tipo.
El propósito de la IA es hacer computacional el conocimiento humano por
procedimientos simbólicos o conexionistas.
Se corresponden con los dos paradigmas de la IA:
• IA clásica o simbólica: programable y basado en el supuesto del conocimiento
explicable por procedimientos de manipulación de símbolos.
• IA conexionista: autoprogramable por aprendizaje y donde el conocimiento
viene representado la propia estructura de la red neuronal
El gran problema de la IA es la representación del conocimiento

NIVELES DE CONOCIMIENTO

PRINCIPALES ÁREAS DE LA I.A.

Las definiciones anteriores implican que las máquinas para ser consideradas
inteligentes deben exhibir ciertas habilidades, suficientemente complejas como para ser
tratadas como áreas independientes.
La forma de abordaje de cada una de estas áreas suele ser tan disímil, que es difícil
reconocerles un origen común.
1- Procesamiento del Lenguaje Natural.
2- Consulta inteligente de base de datos.
3- Robótica.
4- Programación Automática.
5- Sistemas Expertos.
6- Prueba automática de teoremas y matemática simbólica.
7- Problemas de optimización combinatorios y de itinerarios.
8- Percepción y reconocimiento de patrones.
9- Autoaprendizaje.
Bibliografía

53
Butler, P. (2010). Visualizing Friendships. Facebook: Facebook Enginering. Recuperado
de <https://goo.gl/AaHLN>.
Cox, M. y Ellswort, D. (1997). Managing Big Data for Scientific Visualization.
ResearchGate.net. Recuperado de <https://goo.gl/DLj8sd>.
Crowd Flower (2017). Data Scientist Report 2017. Crowdflower.com. Recuperado de
<https://goo.gl/4XsUKD>.

Davenport, T. H. y Patil, D. J. (2012). Data Scientist: The Sexiest Job of the 21st
Century. Harvard Business Review, 90 (10). Recuperado de <https://goo.gl/65IMw1>.
Drucker, P. F. (2004). La sociedad postcapitalista. Medellín, Colombia: Norma
Elahi, E. (2015). Spark and GraphX in the Netflix Recommender System. SlideShare.
Recuperado de <https://goo.gl/LUQqx4>.
Few, S. (2013). Data Visualization for Human Perception. En M. Soegaard (2nd Ed.),
The Encyclopedia of Human-Computer Interaction. Aarhus, Denmark: The Interaction
Design Foundation. Recuperado de: <https://goo.gl/7uYrrp>.
Monnappa, A. (2017). Data Science vs. Big Data vs. Data Analytics. Simplilearn.com.
Recuperado de <https://goo.gl/EAYQRc>.
Moreno, G. S., Stephens, C. R. (2015). Applying Data Mining Techniques to Identify
Success Factors in Students Enrolled in Distance Learning: A Case Study. Advances in
Artificial Intelligence and Its Applications: Springer. Recuperado de
<https://goo.gl/zFLHtJ>.
Pujari, A. K. (2001). Data Mining Techniques. Hyderabad, India: Universities Press.

Ratti, C. (2014). Drinking Data. senseable.mit.edu: MIT Senseable City Lab. Recuperado
de <https://goo.gl/QkJ4iw>.
Shapiro, G. P., Smyth P. (1996). The KDD Process for Extracting Useful Knowledge from
Volumes of Data. Communications of the ACM. Volumen (39, 11), 27-34. Recuperado
de <https://goo.gl/L67PYa>.
Van der Aalst, W. M. P. (2014). Data Scientist: The Engineer of the Future. Enterprise
Interoperability, volume 7, 13-28. Springer. Recuperado de <https://goo.gl/yiaE9F>.
Sitios Consultados
https://www.nebrija.es/~cmalagon/ia/transparencias/introduccion_IA.pdf
https://www.frba.utn.edu.ar/wp-content/uploads/2021/02/IIA-mod1-Fundamentos.pdf

54
 Unidad 3
INTRODUCCIÓN A
PROGRAMACIÓN

55
 1. Introducción:

La Introducción a la Programación es un conjunto de conceptos y técnicas de

programación usados para el desarrollo de algoritmos que solucionan problemas que
pueden llegar a ser implementados a través de una computadora. Su principal objetivo
es desarrollar la lógica de la programación.

2. ¿Qué es la programación?

La programación es el acto de programar, es decir, organizar una secuencia de pasos

ordenados a seguir para hacer cierta cosa. Este término puede utilizarse en muchos
contextos, es común hablar de programación a la hora de organizar una salida, las
vacaciones o de la lista de programas con sus días y horarios de emisión de los canales
de televisión o la lista de películas de un cine.

“La programación es el conjunto de procesos que nos permiten construir

programas de ordenador”

Además, en el campo de la informática, la programación es la pieza clave en la relación

entre los ordenadores y los usuarios.

Programación en informática: En el ámbito de la informática, la programación se

refiere a la acción de crear programas o aplicaciones a través del desarrollo de un código
fuente, que se basa en el conjunto de instrucciones que sigue el ordenador para ejecutar
un programa.

La programación es lo que permite que un ordenador funcione y realice las tareas que
el usuario solicita.

3. Estructura básica de un ordenador

La estructura de un ordenador, atendiendo a sus unidades funcionales (siguiendo el

esquema de Von Neumann) estaría formado por: unidades de entrada, unidades de
salida, memoria, unidad de control y unidad aritmético-lógica. Aquí se estudiará la
composición y funcionamiento de las unidades no periféricas del ordenador: la Unidad
Central de Proceso (CPU), compuesta por la Unidad Aritmético Lógica (ALU) y la Unidad
de Control (UC), y la memoria principal.

56
 4. Estructura básica de un programa

5. Funcionamiento de un procesador. Instrucciones.

El proceso de diseño del algoritmo o posteriormente de codificación del programa

consiste en definir las acciones o instrucciones que resolverán el problema. Las
acciones o instrucciones se deben escribir y posteriormente almacenar en memoria en
el mismo orden en que han de ejecutarse, es decir, en secuencia. Un programa puede
ser lineal o no lineal. Un programa es lineal si las instrucciones se ejecutan
secuencialmente, sin bifurcaciones, decisión ni comparaciones.

Instrucciones:

El procesador tiene un conjunto de instrucciones.

57
Elementos básicos de un programa

En programación se debe separar la diferencia entre el diseño del algoritmo y su

implementación en un lenguaje pacífico. Por ello, se debe distinguir claramente entre
los conceptos de programación y el medio en que ellos se implementan en un lenguaje
específico. Sin embargo, una vez que se comprendan cómo utilizar los conceptos de la
programación y la enseñanza de un nuevo lenguaje es relativamente fácil. Los lenguajes
de programación —como los restantes lenguajes— tienen elementos básicos que se
utilizan como bloques constructivos, así como reglas para las que esos elementos se
combinan. Estas reglas se denominan sintaxis del lenguaje. Solamente las instrucciones
sintácticamente correctas pueden ser interpretadas por la computadora y los programas
que contengan errores de sintaxis son rechazados por la máquina. Los elementos
básicos constitutivos de un programa o algoritmo son:

● palabras reservadas (inicio, aleta, si-entonces..., etc.),

● identificadores (nombres de variables suficientes, procedimientos, funciones,
nombre del programa, etc.),
● caracteres especiales (coma, apóstrofe, etc.),
● constantes,
● variable,
● expresiones,
● instrucciones.

Además de estos elementos básicos, existen otros elementos que forman parte de los
programas, cuya comprensión y funcionamiento será vital para el diseño correcto de un
algoritmo y naturalmente la codificación del programa.

Estos elementos son:

● bucles,
● contadores,
● acumuladores,
● interruptores,
● estructuras:
1. secuenciales,
2. selectivos,
3. repetitivas.
58
El amplio conocimiento de todos los elementos de programación y el modo de su
integración en los programas constituyen las técnicas de programación que todo buen
programador debe conocer.

6. Funcionamiento de un procesador. Código binario.

Una computadora funciona bajo el control de un programa, que ha sido desarrollado en

un determinado lenguaje que puede ser reducido al código binario, y que debe estar
almacenado en la unidad de memoria o disco duro.

Para que la computadora entienda nuestras instrucciones debe usarse un lenguaje

específico conocido como código máquina o código binario, que la máquina comprende
fácilmente, pero que resulta excesivamente complicado para las personas.

Se dice que un sistema es binario cuando solo caben dos posibles resultados o
respuestas a un planteo determinado. El código binario es la base de la informática al
reducir todas las posibles instrucciones interpretadas por la máquina a un código de
unos y ceros (encendido/apagado; sí/no) por el que el microprocesador funciona y
ejecuta las órdenes introducidas en él. Por ejemplo, dispositivos de hardware como las
memorias de almacenamiento funcionan sobre la base de bits y brindan dos
posibilidades de lectura o escritura: 0 o 1. Estos valores sirven para representar
determinados datos, como blanco o negro, masculino o femenino, verdadero o falso,
mayor o menor de edad, etc. En 0 un bit está apagado, en 1 su estado es el de
encendido. El concepto de bit está presente en las computadoras desde al menos 1936.
En aquella época se utilizaban tarjetas perforadas: unas tarjetas de cartulina que servían
para ingresar información e instrucciones en una computadora, que simplemente leía la
presencia o ausencia de perforación y establecía un patrón. Pero su utilización con el
nombre de bit se llevó a cabo por primera vez en 1948, en un trabajo académico
realizado por Claude E. Shannon, ingeniero y matemático estadounidense, creador de
la Teoría Matemática de la Comunicación. Explicamos que el bit es la unidad mínima de
este código y como su nombre lo indica es binario, permite dos combinaciones: 0 o 1.
Pero esta unidad mínima permite una secuencia de 8 bits contiguos, a la que se
denomina byte. Aunque este concepto aplicado a la tecnología parece muy limitado,
cuando se usa de forma combinada permite representar un sinfín de datos expresados
en valores. Por ejemplo: 00000000, 01010101, 00110011, 00010001, y así en miles de
combinaciones posibles.

Sobre estos principios básicos se desarrollan todos los lenguajes de programación:

PHP; Javascript, Phyton y Ruby, entre muchos otros.

Código binario:

El procesador funciona empleando código binario (0 / 1).

Estos valores se representan mediante señales electrónicas de un determinado
voltaje.
Cada instrucción puede representarse por un determinado código binario.

59
 7. Fundamentos de programación. Lenguaje de bajo nivel.

El lenguaje de programación es un idioma artificial prediseñado formado por signos,

palabras y símbolos que permite la comunicación entre el programador y el ordenador.

Las instrucciones que sigue el ordenador para la ejecución de aplicaciones y programas

están escritas en lenguaje de programación y luego son traducidas a un lenguaje de
máquina que puede ser interpretado y ejecutado por el hardware del equipo (parte
física).

El código fuente está formado por líneas de texto que expresan en lenguaje de
programación las instrucciones que debe llevar a cabo el ordenador. Este código es
creado, diseñado, codificado, mantenido y depurado a través de la programación.

Existen diferentes lenguajes de programación (Java, Pearl, Python) que se valen de

diversos programas en los que se vuelcan las instrucciones. Estos lenguajes varían con
el tiempo, se expanden y evolucionan.

Un lenguaje de programación de bajo nivel, es aquel en el que sus instrucciones

ejercen un control directo sobre el hardware y por lo tanto están condicionados por la
estructura física de las computadoras que lo soportan.

60
Tipos de lenguaje de bajo nivel y ejemplos:

El término lenguaje de bajo nivel no es ningún lenguaje en concreto, sino que engloba
varios tipos de lenguajes, existen tres tipos distintos. A continuación, te los
explicaremos, ordenados de menor a mayor complejidad y junto con algunos ejemplos
para que te queden claros.

1. El primer lenguaje de bajo nivel es el famoso Código Binario, el más básico

y que forma parte de todos los sistemas informáticos. Es muy popular ya que
es muy sencillo de utilizar, de bien seguro que habrás oído hablar de él en
más de una ocasión. Tan solo usa los números 0 y 1 para formar el código.
El 1 representa al “todo” y el 0, por el contrario, representa el “nada”.
2. El segundo lenguaje de bajo nivel es el Lenguaje de máquina: También está
formado por unos (1) y ceros (0) y tal y como su nombre indica, este es el
código que comunicará directamente las instrucciones a la computadora
(CPU). El uso de este lenguaje es esencial ya que es el que se usa para
enviar de forma literal todas las tareas que se tienen que llevar a cabo.
3. En tercer puesto tenemos los lenguajes ensambladores, también conocidos
como mnemotécnicos o mnemónicos, son un primer nivel de abstracción.
Estos códigos requieren de alguna herramienta como un compilador para
traducirlos al lenguaje de máquina de manera que el CPU pueda ejecutarlos,
estos no son programas ejecutables directamente por el ordenador.

Las instrucciones del lenguaje de bajo nivel, generalmente son una denominación
abreviada de la instrucción que simbolizan, y se corresponden casi directamente (uno a
uno) a las mismas instrucciones que representan. El código que sale de hacer una
compilación del lenguaje ensamblador, genera un código de máquina binario ejecutable.

Características del lenguaje de bajo nivel:

El lenguaje de bajo nivel presenta múltiples ventajas. Es un código sencillo y muy

adaptable, con instrucciones directas, de fácil conversión y por si esto no fuera poco,
también trabaja a gran velocidad.
Por otro lado, también encontramos algunas desventajas en el lenguaje de bajo nivel.
Por ejemplo, este lenguaje está demasiado atado al hardware, y esto hace más difícil
poder estructurar algunos programas. Tienes que estar muy atento a la hora de usarlo

61
para evitar cometer errores que puedan incrementar de forma sensible el trabajo y la
revisión que se haga del código.

8. Fundamentos de programación. Lenguaje de alto nivel.

Un lenguaje de programación de alto nivel se caracteriza por expresar los algoritmos

de una manera adecuada a la capacidad cognitiva humana, en lugar de la capacidad
con que los ejecutan las máquinas. Estos lenguajes permiten una máxima flexibilidad
al programador a la hora de abstraerse o de ser literal.

Aunque a muchos lo de programar les suena a algo complicado, en realidad hoy en día
es muy sencillo, y con unas nociones básicas cualquiera podría crear su propio
programa. Esto es posible gracias a los lenguajes de programación de alto nivel,
lenguajes que utilizan instrucciones claras usando un lenguaje natural.

Los lenguajes de alto nivel están pensados para poder ejecutarse sin problemas en
cualquier máquina, independientemente del hardware que utilice. Esto es posible
gracias a los compiladores y a los intérpretes que, normalmente, vienen incluidos de
forma nativa en los sistemas operativos. Da igual que un programa esté programado en
C++, en .NET, en Java o en Python, que, si el código ha pasado por el compilador, y
tenemos el intérprete necesario (como la máquina virtual de Java) podremos ejecutarlos
en cualquier sistema operativo, use el hardware que use.

Estos lenguajes de programación están pensados, sobre todo, para trabajar con
estructuras dinámicas de datos. Los lenguajes de medio y bajo nivel no pueden cambiar
el tamaño de las estructuras mientras se ejecutan, lo que puede dar lugar a un consumo
excesivo de recursos, o a problemas por falta de tamaño. Gracias a estas estructuras
dinámicas, el programa se puede ajustar a las necesidades de cada sistema. Son
lenguajes orientados a objetos, eventos o funciones.

Las ventajas de este tipo de lenguajes son la creación de un código mucho más natural
y comprensible, un programa sirve para cualquier máquina y cualquier sistema, soporta
paradigmas de programación y permite la creación de programas complejos con menos
62
líneas. Entre sus inconvenientes, eso sí, debemos destacar una pérdida de rendimiento
de los programas (ya que deben ser interpretados) y que, en algunos casos, dependen
los programas de plataformas concretas.

Hay muchos lenguajes de programación de alto nivel. Podemos encontrar lenguajes

muy específicos (como Fortran o Cobol) para realizar tareas concretas, o lenguajes
genéricos como C#, C++ o Visual Basic que valen un poco para todo.

9. Fundamentos de programación. Compiladores e intérpretes.

C, C++ y Go son lenguajes de programación compilados. JavaScript, Python y Ruby son

lenguajes interpretados. ¿Cuál es la diferencia y las ventajas/desventajas de un lenguaje
compilado versus uno interpretado?

Tanto compiladores como interpretadores son programas que convierten el código que
escribes a lenguaje de máquina.

Lenguaje de máquina son las instrucciones que entiende el computador (el procesador
para ser más exactos) en código binario (unos y ceros).

La principal diferencia entre un lenguaje compilado y uno interpretado es que el lenguaje

compilado requiere un paso adicional antes de ser ejecutado, la compilación, que
convierte el código que escribes a lenguaje de máquina. Un lenguaje interpretado, por
otro lado, es convertido a lenguaje de máquina a medida que es ejecutado.

63
Ejemplos de lenguajes compilados incluyen C, C++, Java, Go y Rust, entre muchos
otros. Ejemplos de lenguajes interpretados incluyen Ruby, Python y JavaScript, entre
muchos otros. A todos estos lenguajes se les conoce como lenguajes de alto nivel.

Un ejemplo de lenguaje interpretado: Ruby es un lenguaje interpretado, así que

podemos crear un archivo llamado hola.rb con el siguiente código, o cualquier código
válido en Ruby (a esto se le conoce como el código fuente):

puts "Hola Mundo"

Y ejecutarlo directamente ingresando el siguiente comando en la consola:

$ ruby hello.rb

Te debería aparecer debajo la cadena “Hola Mundo“. Si quieres puedes cambiar el

código fuente y volverlo a ejecutar.
Un ejemplo de lenguaje compilado:
Un lenguaje compilado tiene un paso adicional. Si tienes un compilador de C como gcc
puedes crear un archivo llamado hello.c con el siguiente contenido, o cualquier código
válido en C:
#include <stdio.h>

int main()

printf("Hola Mundo");

return 0;

Antes de ejecutarlo debemos compilarlo con el siguiente comando:

$ gcc hello.c -o hello

Eso crea un archivo llamado hello (sin extensión) con el código de máquina (llamado el
ejecutable) que puedes correr en la consola con el siguiente comando:

$ ./hello

Te debería aparecer la cadena de texto “Hola Mundo” debajo. Si necesitas cambiar el

código fuente debes volverlo a compilar y ejecutarlo nuevamente.

Ventajas y desventajas:

64
En general, el ciclo de desarrollo (el tiempo entre el momento en que escribes el código
y lo pruebas) es más rápido en un lenguaje interpretado. Eso se debe a que en lenguajes
compilados es necesario realizar el proceso de compilación cada vez que cambias el
código fuente, aunque con herramientas adicionales se puede automatizar.

Otra desventaja de un lenguaje compilado es que cuando compilas un programa debes

crear ejecutables para cada uno de los sistemas operativos en los que lo vayas a utilizar.
Un ejecutable creado para Linux no va a servir en Windows por ejemplo.

Sin embargo, un lenguaje compilado es mucho más rápido que uno interpretado. Esto
se debe a que cuando es ejecutado ya se encuentra en código de máquina y eso
también le permite hacer algunas optimizaciones que no son posibles con un lenguaje
interpretado.

Además de la velocidad, otra desventaja de un lenguaje interpretado es que, para ser

ejecutado, debes tener instalado el interpretador. Esto no es necesario en un lenguaje
compilado que es convertido a lenguaje de máquina.

En general, un lenguaje compilado está optimizado para el momento de la ejecución,

aunque esto signifique una carga adicional para el programador. Por otro lado, un
lenguaje interpretado está optimizado para hacerle la vida más fácil al programador,
aunque eso signifique una carga adicional para la máquina.

Bibliografía:
1. Luis Joyanes Aguilar. (2008). Fundamentos de programación: algoritmos,
estructura de datos y objetos. Madrid: McGraw-Hill.
2. BRAUNSTEIN, Silvia; L. GIOIA y Alicia B.(1986). Introducción a la
programación y a las estructuras de datos. Buenos Aires.Eudeba.
3. JOYANES , L. RODRIGUEZ , L y FERNANDEZ, M. (2003). Fundamentos de
programación. Madrid: McGraw-Hill.
Sitios Consultados
https://www.u-
cursos.cl/ingenieria/2011/2/CC3501/1/material_docente/bajar?id_material=3817
52

65
 Unidad 4
TÉCNICAS DE ESTUDIO EN
CONTEXTOS DIGITALES

66
En el siguiente esquema se presenta las Técnicas para el análisis de Contenido

1.1 El subrayado

Según Cuenca (2000), “Esta técnica tiene por objeto resaltar, mediante el subrayado
con trazos diferentes o colores, las palabras del texto que contienen o representan las
ideas o conceptos fundamentales y los enlaces (y, ni, pero…) que puedan favorecer la
comprensión o estructura del texto escrito” (p.211). Pueden destacarse con una línea,
horizontal o vertical, los enunciados que expresen las ideas principales de un texto. Otra
forma importante de destacar información relevante es subrayar solamente las palabras
clave del texto que se está trabajando.

Con el subrayado se busca que el lector extraiga del texto las ideas principales y las
secundarias del autor, para lo cual se pueden utilizar diferentes señales y colores.

Esta técnica concentra la atención del estudiante y lo convierte en una persona reflexiva
de manera que detecta lo fundamental de la lectura, así mismo posibilita la elaboración
de esquemas y resúmenes facilitando el estudio y la comprensión del texto.

1.1.2. Tipos de subrayado

Se acostumbra usar tres tipos de subrayado:

• El subrayado horizontal o lineal que se realiza colocando una línea debajo de las
palabras clave que se desea distinguir.
• El subrayado vertical se emplea para destacar varias líneas de un mismo párrafo.
Se coloca al extremo del párrafo a destacar.

67
 • El subrayado estructural permite destacar las ideas utilizando para ello notas al
margen respondiendo interrogantes claves.

1.1.3. ¿Qué pautas se deben seguir para el subrayado?

• Identificar la idea principal, realizando una lectura general y después una

detenida.
• Considerar que la idea principal puede estar al inicio del párrafo, en el centro o
al final del párrafo.
• La idea secundaria complementa a la principal.

Subrayar las palabras claves: verbo, sustantivo y adjetivo. Estas claves las podemos
emplear como pregunta.

Ejemplos:

• ¿Quién? referido al sujeto

• ¿Cómo? referido a características
• ¿Cuándo? referido a tiempo
• ¿Cuánto? referido a cantidad
• ¿Para qué? referido a razón de utilidad
• ¿Cuál? referido a elección
• ¿Por qué? referido a razón de acción
• ¿Qué? Referido a acción
• ¿Dónde? referido a lugar

Veamos un ejemplo:

Errores del subrayado

• Subrayar antes de haber realizado una lectura completa. Suele conllevar un

subrayado en el que no se aprecie la diferenciación de ideas principales y
secundarias.
• Subrayar en exceso. Esto no nos ayuda, puesto que a la hora de hacer una
síntesis tenemos nuevamente que leer todo lo subrayado y hacer entonces el
análisis que no realizamos anteriormente.
• En algunas situaciones se utilizan lápices de colores, uno para la idea principal,
otro para la idea secundaria; no se recomienda el uso del resaltador, pues no se
constituye en técnica.

Ejemplo de subrayado: …

LA REDACCIÓN CIENTÍFICA

La redacción científica es la transmisión de una señal clara al receptor. Las

palabras de esa señal deben ser tan claras, sencillas y ordenadas como sea posible. La
redacción científica no tiene necesidad de adornos ni cabida para ellos. Es muy probable

68
que los adornos literarios floridos, las metáforas, los símiles y las expresiones
idiomáticas induzcan a confusión, por lo que rara vez deben utilizarse al redactar
artículos de investigación.

Sencillamente, la ciencia es demasiado importante para ser comunicada de

cualquier otra forma que no sea con palabras de significado indudable. Y ese
significado indudable y claro debe serlo no solo para los colegas del autor, sino también
para los estudiantes que acaban de iniciar su carrera, para los científicos de otras
disciplinas y, especialmente, para los lectores cuya lengua nativa no es la misma del
autor. [Esto último es particularmente aplicable al idioma inglés.]

Muchas formas de escritura se destinan al entretenimiento. La redacción científica

tiene una finalidad distinta: comunicar nuevos descubrimientos científicos. Por
esta razón, debe ser tan clara y sencilla como sea posible.

2. NOTAS O ANOTACIONES AL MARGEN

Se realizan siempre después de la prelectura o lectura rápida de un texto, estas

anotaciones devienen de las ideas principales que se van descubriendo en cada párrafo,
para ello se lee párrafo por párrafo con ayuda de un diccionario, cuando sea necesario.
Se puede elaborar las notas al margen haciendo preguntas, como, por ejemplo: ¿De
qué trata este párrafo? ¿Qué dice realmente? Y las respuestas se escriben en el margen
izquierdo del texto.

Es importante destacar que una anotación al margen no es la transcripción de la idea

principal del párrafo analizado; tampoco un conjunto de palabras sin sentido lógico. Una
buena anotación al margen consiste en sintetizar el párrafo analizado.

Este tipo de trabajo nos ayuda a realizar el estudio más activo y agradable y comprender
mejor el tema para posteriormente realizar el subrayado y el esquema, asimismo nos
permite plantear los subtítulos del tema.

Veamos un ejemplo: …

IMPORTANCIA DE LA MONOGRAFÍA

Descripción o tratado especial

Monografía es la “descripción y tratado especial de determinada parte de la ciencia, o

de algún punto en particular”. Etimológicamente monografía deriva de las voces griegas
monos, que significa único, y graphein que quiere decir describir; puede interpretarse
como descripción o tratado.

Es investigación científica

La monografía constituye una primera etapa en el proceso de investigación científica.

Su elaboración requiere de un previo adiestramiento en las técnicas de lectura,
resumen de un libro, en el manejo del método científico y sus técnicas.

69
Técnicas que aplica

La reelaboración de los datos y la vivencia del problema a través de las técnicas

activas tales como investigar, buscar información, formularse preguntas, buscar
respuestas, ordenar y comparar datos, etc., conducen a los mayores niveles de
asimilación y de profundización en el tema que se estudia.

3. El RESUMEN

Es una de las técnicas más utilizadas por el estudiante pues orienta el sentido y
comprensión del texto que analiza. Muchos aún consideran que el resumen es la
sumatoria de las ideas principales de un texto ordenadas con lógica y coherencia, lo
cual es válido. Según Bernardo (2000):

… consiste en la reducción de un texto respetando su sentido y empleando las palabras

del autor (…) como su objetivo es reducir el texto a la información fundamental, con
respeto fiel a las palabras del autor, esta técnica es considerada como una de las más
sencillas y, por tanto, la más apropiada en las primeras etapas del estudio. (p.47).

Un buen resumen no debe exceder

más del 30% de la extensión del
texto original y debe reflejar las
ideas más importantes expresadas
en forma personal, con las propias
palabras.

Condiciones:

• Incluir todo lo importante.

• Prescindir de explicaciones secundarias y de ejemplos.
• Redactar prescindiendo de la forma textual, acudiendo a una redacción personal.
• Respetar las ideas del autor.

Cómo hacer un resumen. - como todo proceso técnico, en su construcción debe

seguirse unos pasos de manera sistemática:

• Lectura completa del texto que va a resumirse (detallada y con alto grado de
atención).
• Subrayado de las ideas principales de cada párrafo.
• Recopilación de los datos esenciales, proceso particular que debe hacerse
durante la lectura debe tomarse algunas notas, incluso anotarlas como notas al
margen al costado del párrafo leído).
• Estudio, interpretación y comprensión de los datos obtenidos, con el propósito
de valorarlos y de descubrir las relaciones que entre ellos existan.

70
 • Redacción del resumen, que consiste en consignar por escrito los diversos datos
interpretados, siguiendo el orden que presupone la estructura del texto.
• Debe ser breve y presentar un estilo narrativo.

4. LA SÍNTESIS

De acuerdo a Bernardo (2000):

…tiene por finalidad exponer brevemente las ideas fundamentales de un texto, pero con
palabras propias de quien lo realiza. Esto exige la transformación de lo leído en frases
comprendidas y asimiladas, poniendo en juego el pensamiento reflexivo, la elaboración
personal y el uso de un lenguaje propio… (pp. 47-48).

En esta definición radica la importancia de la síntesis y su relación con la competencia

argumentativa del estudiante.

Asimismo, esta técnica nos permite estructurar y ordenar la información, facilitando la

comprensión y retención de lo analizado. (Cuenca, 2000, p.219). En ese sentido, la
síntesis se constituye en la idea principal del resumen.

Para poder realizar bien esta técnica es necesaria:

✓ Realizar una lectura completa del texto.

✓ Segunda lectura en la que se subrayan las ideas centrales, que permita analizar
el texto.
✓ Ordena las ideas más sencillas hasta llegar a la más compleja, suponiendo un
orden incluso allí donde no hubiera.
✓ Interpreta el texto, integrando sus partes.

5. TOMA DE NOTAS O APUNTES

Se considera una actividad compleja que implica la escucha, el análisis, la síntesis, la

selección, la organización, la escritura y que depende de diversos factores. Así, por
ejemplo, se sugiere que el desarrollo de esta actividad está en función de las metas de
los estudiantes, de la relevancia del material, de los conocimientos y experiencias
previas, de las concepciones personales sobre el aprendizaje o de los estilos de
exposición de los docentes o conferencistas. Para ello se tomará en cuenta lo siguiente:
El conocimiento previo del estudiante, la planificación de la toma de notas y la
supervisión y revisión durante la toma de notas y el sistema Cornell.

El conocimiento previo del estudiante

Leer antes de la clase los textos o temas indicados nos sitúa con un conocimiento de
base o un esquema previo que facilitará la comprensión de lo que el profesor nos va a
decir a continuación. Se puede decir que cuanto más elevados sean nuestros
conocimientos previos, más relajada y selectiva será nuestra anotación y, también por
ello, el esfuerzo posterior para elaborar y estudiar los apuntes será menor.

71
La planificación de la toma de notas

En primer lugar, es importante el establecimiento de un propósito. Los propósitos que

pueden tener los alumnos cuando abordan una determinada materia o tarea de estudio
pueden variar dependiendo d múltiples características contextuales propias de la
materia, del tipo de examen, del profesor, etc. Además, estos también dependen en una
buena mediada de las preferencias e intereses personales del alumno, sus metas o
motivos personales, etc. La concreción de un plan de actuación que el estudiante se
dispone a utilizar para afrontar, en este caso, las tomas de notas en el aula podrían
depender de los propios modelos o teorías personales que cada uno sostenga acerca
de lo que implica esa actividad de estudio.

La supervisión y revisión

El estudiante organizador dirigirá sus primeros pasos a revisar las notas que ya ha
tomado antes o el guion de la explicación. Durante la explicación se centrará en estudiar
el comportamiento del profesor-clave discursivo, lenguaje no verbal…-para descubrir la
manera en la que está organizando las ideas. El estudiante elaborador se prepara
dedicando un tiempo a portar a la situación sus conocimientos y experiencias previas
con objeto de asegurarse, antes de anotar, que la información que está recibiendo
significa algo para él.

El sistema Cornell: un formato clásico para tomar notas (universidad de Cornell

U.S.A.)

Este se considera uno de los formatos más eficaces de toma de notas, sugiere utilizar
una hoja dividida en dos columnas. La columna de la izquierda se conoce con el nombre
de “columna de indicios”. En la columna de la derecha, más ancha, es donde se
recogerían las notas de la explicación de la manera más completa y comprensible
posible. Este sistema de indicios hace más fácil la memorización de la información ya
que el estudiante observando únicamente claves o recordatorios, puede recuperar y
recitar con sus propias palabras las ideas e informaciones recogidas en forma de notas.
Por ejemplo:

72
6. PREPARACIÓN Y DESARROLLO DE EXÁMENES

Los exámenes son situaciones que ponen a prueba el aprendizaje que usted ha
alcanzado. Representa una oportunidad para darte cuenta de los aspectos que aún no
dominas, no sólo sirven para calificar también son un termómetro del aprendizaje.

¿Cómo prepararse para un examen?

Para desarrollar un examen correctamente es necesario que sepa previamente y con

claridad los contenidos que tiene que estudiar.

Para preparar sus exámenes necesita:

Programar su estudio. - el aprendizaje comienza desde que se inicia el curso. El

estudio para el aprendizaje y la preparación de exámenes también comienza desde el
principio.

Estudiar. - leer cada unidad, tema o capítulo de manera independiente, pero en orden,
no iniciar la lectura de una unidad sino se terminó el estudio de la anterior, después
releer cada apartado o subtema de la unidad.

Autoevaluar lo estudiado. - cuando termine de estudiar formúlese preguntas acerca

de cada una de las ideas esenciales contenidas en las unidades, temas o capítulos.
Confeccione resúmenes, esquemas o cuadros sinópticos.

Esta tarea de estudio se la puede facilitar aclarándole lo que realmente tiene importancia
y lo que no, el propio profesor. Es importante saber qué tipo de examen se le va a tomar:
test, práctico, teórico, de propia producción de las respuestas, concreto y de respuestas
cortas, etc.

A partir de ahí ya se puede ir haciendo una idea de cómo va a tener que estudiar: con
gran memorización, con conexión de ideas, con todos los datos importancia, etc.

Al presentar su examen recuerde:

➢ Leer las indicaciones y recomendaciones brindadas.

➢ Comprender la prueba.
➢ Disponer de un buen ánimo.
➢ Considerar el tiempo.

GLOSARIO

Análisis: es la descomposición de un todo en partes para poder estudiar su estructura,

sistemas operativos, funciones, etc.

Autoevaluar: Proceso de reflexión académica sobre lo que somos y sobre lo que

aspiramos ser y que busca el mejoramiento de la calidad.

73
Devenir: En Filosofía, movimiento o proceso por el que, en el curso del tiempo, las cosas
y los seres se hacen o se transforman.

Estudiar: Actividad individual orientada a la aplicación de técnicas y estrategias para

adquirir información y posterior conocimiento.

Lectura: Se entiende como un proceso de la recuperación y comprensión de algún tipo

de información o ideas almacenadas en un soporte y transmitidas mediante algún tipo
de código, usualmente un lenguaje, que puede ser visual o táctil.

Notas: Es un registro que guarda información considerada importante para el

estudiante.

Pensamiento creativo: Es la capacidad de producir ideas para la solución de una

situación problema. Ello exige comprensión de la realidad para la producción de nuevos
conceptos.

Técnica: Conjunto de procedimientos, reglas o normas orientados al logro de un

resultado.

BILIOGRAFÍA

Bernardo, J. (2000). Cómo aprender mejor. Estrategias de aprendizaje. (3a. ed.) Madrid:
Ediciones RIALP S.A.

ANTONIO BRIZ, MARTA ALBELDA, MARÍA JOSÉ FERNÁNDEZ, “Saber hablar “Edit.
Aguilar, 2008.

74
 Unidad 5
MATEMÁTICAS

75
CONJUNTOS NUMÉRICOS

CLASIFICACIÓN DE NÚMEROS

N Números Naturales
Son los números ordinarios que se utilizan para contar.
Las propiedades de los números naturales son:
1. Que un número natural va después del otro.
2. Que dentro de dos números naturales consecutivos no puede haber otro.
3. Que son infinitos.

Números Enteros

Son un conjunto de números que incluye a los números naturales distintos de cero (1,
2, 3, ...), los negativos de los números naturales (..., −3, −2, −1) y al 0. El valor absoluto
de un número entero es el número natural que resulta de quitarle el signo. El valor
absoluto de 0 es simplemente 0. Se representa por dos barras verticales «| |».

Ejemplo: |+5| = 5 , |−2| = 2 , |0| = 0.

Representación gráfica de los Números Enteros

76
Q Números Racionales
se puede representar como la división entre 2 números enteros a/b, a y b pertenecen a
los números enteros (pertenecen a Z), b distinto de 0.
Número periódico: es un número racional caracterizado por tener un período (cifras
que se repiten indefinidamente) en su expansión decimal. Este período puede constar
de una o varias cifras, como:

El período se puede expresar escribiendo un arco encima de las cifras repetidas, por
ejemplo:

Representación gráfica de los Números Racionales

I Números Irracionales
no se pueden representar como la división entre 2 números enteros a/b, a y b NO
pertenecen a los números enteros, b distinto de 0. Ejemplo: pi, e, son números que su
representación decimal es infinita, nunca se acaba y nunca es periódica. De este modo,
puede definirse al número irracional como un decimal infinito no periódico.

R Números reales
Es la unión de los números racionales y los irracionales conforma un conjunto
denominado de los números reales.
Representación gráfica de los Números Reales
77
El conjunto R de los números reales se representa sobre una línea llamada recta real.
Los números reales llenan completamente esta recta.

OPERACIONES NUMERICAS
En el conjunto R de los números reales se definen corrientemente dos operaciones o
leyes de composición, llamadas suma y producto, con respecto a las cuales verifica las
siguientes propiedades:

Potencias

78
79
Radicación

1. Para multiplicar radicales con el mismo índice se multiplican los radicandos y

se deja el mismo índice.

Ejemplo:

2. Cociente de radicales. Para dividir radicales con el mismo índice se dividen los
radicandos y se deja el mismo índice.

Ejemplo:

3. Potencia de radicales. Para elevar un radical a una potencia se eleva a dicha

potencia el radicando y se deja el mismo índice.

Ejemplo:

4. Raíz de un radical. La raíz de un radical es otro radical de igual radicando y cuyo

índice es el producto de los dos índices.

Ejemplo:

80
Realiza las operaciones:

NOTACIÓN CIENTÍFICA.
La notacion cientifica es un recurso matematico empleado para simpIificar cálculos y
representar en forma concisa en números muy grandes o muy pequeños. Para hacerlo
se usa potencia de diez.
La notación científica significa que un número (entre el 1 y el 10) es multiplicado
por una potencia de base 10. Por ejemplo 3,1 x 102 es igual a 3,1 por 100=310.
En el sistema decimal, cualquier número real puede expresarse mediante la
denominada notación científica.

Partes de un número en notación científica

Al escribir un número usando la notación científica, es necesario que abarcamos tres

partes que son fundamentales.

• El coeficiente o mantisa: Este viene a ser el número real que estamos

representando.
• La base: En este caso hablamos de la base que es decimal 10.
• El exponente: Se refiere a esa parte de la notación científica en la que
representamos la potencia que es la que dice a cuánto se eleva la base. Es decir
que es la representación de la cantidad de veces que la coma va a desplazarse.
Este puede ser negativo en caso que la coma se mueva a la derecha o puede

81
 ser positivo si se mueve a la izquierda. En todos los casos se trata de un número
entero.

Aprendiendo a Usar Notación Científica

La célula roja humana es muy pequeña y se estima que tiene un diámetro de 0.0065
milímetros. Por otro lado, un año luz es una unidad de distancia muy grande que mide
alrededor de 10,000,000,000,000,000 metros. Ambas cantidades son difíciles de
escribir, y sería muy fácil ponerles o quitarles un cero o dos de más.

Pero en notación científica, el diámetro de una célula roja se escribe como 6.5 x 10-3
milímetros, y un año luz es más o menos 1 x 1016 metros. Esas cantidades son más
fáciles de usar que sus versiones largas.
Nota que es el exponente el que nos dice si el término es un número muy grande o muy
pequeño. Si el número es ≥ 1 en la notación decimal estándar, el exponente será ≥ 0 en
notación científica. En otras palabras, números grandes requieren potencias positivas
de 10.
Si un número está entre 0 y 1 en notación estándar, el exponente será < 0 en notación
científica. Números pequeños son descritos por potencias negativas de 10.
Como es tan útil, veamos más de cerca los detalles del formato de la notación científica.

Formato de la Notación Científica

La forma general de un número en notación científica es a x 10n donde 1≤a<10 y n es

un entero.

Debemos poner mucha atención a esas convenciones para escribir correctamente en

notación científica. Veamos algunos ejemplos:

82
Cambiando de Forma Decimal a Notación Científica

Ahora que entendemos el formato de notación científica, comparemos algunos números

expresados en notación decimal estándar y notación científica para entender cómo
convertir de una forma a la otra. Observa la tabla de abajo. Pon mucha atención al
exponente de la notación científica y la posición del punto decimal en la notación
estándar.

Notación científica de número muy grandes

En este caso en particular hay que tomar en cuenta los siguientes detalles:

• La coma decimal debe ser movida hacia la izquierda para poder minimizar el
número. La coma debe llegar hasta el lado derecho del primer dígito del número.
• Lo primero que se escribe es el coeficiente, luego le sigue el signo de
multiplicación.
• Al final sólo nos queda colocar la base de 10 y luego usamos como exponente
el total de espacios que la coma se movió.

Ejemplos de notación científica de números muy grandes

• 123.000.000.000.000

En este caso la coma se debe mover un total de 14 espacios a la izquierda. De esta

manera el coeficiente nos queda entonces en 1,23 x. Como la coma se movió 14
espacios, este es el número que usaremos para elevar la base de 10.
83
El número en notación científica es: 1,23 x 1014.

Notación científica de números muy pequeños

Al igual que el caso anterior, cuando hablamos de números que son muy pequeños,
también empleamos una serie de recomendaciones o pasos a seguir. Esto con la ide de
hacer la representación de manera correcta.

• Se debe mover la coma decimal los espacios a la derecha que sean necesarios
hasta alcanzar el lado derecho del primer dígito.
• Después de colocar el signo de multiplicación es que se coloca entonces el
coeficiente.
• La cantidad de espacios que la coma se movió es el número que usaremos como
exponente de la base de 10. Este exponente debe representarse siempre con el
signo negativo antes del número.

Ejemplo de notación científica de números muy pequeños

• 0,0000000000654

En este caso debemos mover la coma un total de 11 veces hacia el lado derecho. El
coeficiente que nos queda viene a ser el 6,54. Entonces la base de 10 se debe elevar a
la menos de 11.

Esto nos dice que en notación científica ese número sería igual a: 6,54 x 10-11

Cambiando de Notación Científica a Forma Decimal

También podemos ir al revés — números escritos en notación científica pueden ser
trasladados a notación decimal. Por ejemplo, un átomo de hidrógeno tiene un diámetro
de 5 x 10-8 mm. Para escribir este número en notación decimal, convertimos la potencia
de 10 en una serie de ceros entre el número y el punto decimal. Como el exponente es
negativo, todos esos ceros van a la izquierda del número 5:
5 x 10-8
5.
0.5
0.05
0.005
0.0005
0.00005
0.000005
0.0000005
0.00000005
Por cada potencia de 10, movemos el punto decimal un lugar hacia la derecha, Ten
cuidado aquí y no te dejes llevar por los ceros — el número de ceros después del punto
decimal siempre será 1 menos que el exponente. Se necesita una potencia de 10 para
mover el punto decimal a la izquierda del primer número.

84
OPERACIONES CON NÚMEROS EN NOTACIÓN CIENTÍFICA

Multiplicando Números Expresados en Notación Científica

Números que están escritos en notación científica pueden ser multiplicados y divididos
fácilmente aprovechando algunas propiedades y reglas. Para multiplicar números en
notación científica, primero multiplicamos los números que no son potencias de 10 (la a
en a x 10n). Luego multiplicamos las potencias de 10 al sumar los exponentes.

Esto producirá un nuevo número por una potencia de 10 diferente. Todo lo que tenemos
que hacer es comprobar si este nuevo valor está en notación científica. Si no, lo
convertimos.

Veamos un ejemplo

Dividiendo Números Expresados en Notación Científica

Para dividir números en notación científica, también aplicamos las propiedades de los
números y las reglas de los exponentes. Empezamos por dividir los números que no son
potencias de 10 (la a en a x 10n). Luego dividimos las potencias de 10 al restar los
exponentes.

Esto producirá un nuevo número y una potencia de 10 diferente. Si no está ya en

notación científica, lo convertimos.

Veamos un ejemplo:
85
Suma y resta de números expresados en notación científica

Cuando sumamos o restamos números en notación científica, tenemos 2 casos:

• Caso 1: cuando los números a sumar o restar tienen la misma potencia de base
10.
• Caso 2: cuando los números a sumar o restar NO tienen la misma potencia de
base 10.

Veamos ahora ejemplos y ejercicios de cada uno de los casos.

Caso 1: cuando los números a sumar o restar tienen la misma potencia de base
10.

En este caso, cuando los números a sumar o restar tienen la misma potencia de base
10, lo único que tenemos será sumar o restar las mantisas (números que van delante
de las potencias de base 10). Veamos un ejemplo:

86
Caso 2: cuando los números a sumar o restar NO tienen la misma potencia de base
10.

En este caso, vamos a realizar algunos pasos:

1. Buscamos la potencia de base 10 con mayor exponente.

2. Expresamos todos los valores en función de la potencia de base 10 con mayor
exponente. Para ello, será necesario usar un artilugio, que consiste en multiplicar
y dividir por potencias de base 10.
3. Ahora que ya tenemos todos los números con la misma potencia de base 10,
sumamos o restamos los números que están delante de las potencias de base
10, como hacíamos en el caso 1.

Veamos ahora un ejemplo. Si es que logras entender el ejemplo, te recomendamos

mirar los videos que hemos preparado sobre el tema, porque sumar y restar con
números en notación científica con diferentes potencias de base 10, puede parecer
complicado.

Ejercicios:

¿Cuál de los siguientes números está escrito en el formato de notación científica?

A) 4.25 x 100.08

B) 0.425 x 107
87
C) 42.5 x 105

D) 4.25 x 106

La población del mundo se estima en 6,800,000,000 personas. ¿Cuál de las siguientes

respuestas expresa correctamente este número en notación científica?

A) 7 x 109

B) 0.68 x 1010

C) 6.8 x 109

D) 68 x 108

Reescribe 1.57 x 10-10 en notación decimal.

A) 15,700,000,000

B) 0.000000000157

C) 0.0000000000157

D) 157 x 10-12

Evaluar (4 x 10-10)(3 x 105) y expresar el resultado en notación científica.

A) 1.2 x 10-4

B) 12 x 10-5

C) 7 x 10-5

D) 1.2 x 10-50

Ecuaciones. Ecuación lineal

Definición
Se llama ecuación a toda igualdad en la que figuran una o más incógnitas.
Ejemplos: a) 3 x – 1 = 5 b) x + 2 y = 13 c) 4 x = 2 y – z
a) Es una ecuación lineal de primer grado con una incógnita x, su grafica es una recta.
b) Es una ecuación lineal de primer grado con dos incógnitas x e y, su grafica es una
recta.

88
c) Es una ecuación lineal de primer grado con tres incógnitas x, y, z; su grafica es una
recta.

Establecer la solución de una ecuación lineal o resolver una ecuación consiste en hallar
el valor de la o las incógnitas que reciben el nombre de raíz o solución.
Por ejemplo resolver la ecuación 3 x -1 = 5 consiste en hacer pasaje de términos,
despejando para establecer el valor de x del siguiente modo:
3x=5+1
x=6:3
x = 2 que es la raíz

Ecuación de segundo grado con una incógnita

Una ecuación con una incógnita en la que aparece dicha incógnita elevada a la segunda
potencia se llama ecuación de segundo grado.
La ecuación que contiene la segunda y la primera potencias de incógnita se denomina
ecuación completa de segundo grado y la que contiene únicamente la segunda potencia
de la incógnita se llama ecuación binómica o binómica de segundo grado.
Ejemplos de ecuaciones completas de segundo grado:
a) 5x2 – 1/2 x + 2 = 0
b) 1/4 x2 = 4 - 2x

Ejemplos de ecuaciones binómicas de segundo grado:

a) 9 x2 = - 8

b) 6x2 – 12 = 0

Resolver una ecuación cuadrática es establecer la solución de una ecuación de segundo

grado, obteniendo las raíces de la incógnita elevada a la segunda potencia. Por lo tanto
las raíces de la ecuación serán dos raíces cuadradas de la solución obtenida.

Ejemplos:
Sea: x2 – 81 = 0 x2 = 81 x1 = +√81 = +9 X2= - √81 = -9
Caso particular 100x2 + 16 = 0
100x2 = -16
x2 = - 16/100 = - 0,16
x = √−0,16

Expresión que carece de significado numérico. Se logra sin embargo darle un sentido
aritmético mediante una nueva ampliación del campo numérico por introducción de los
números llamados imaginarios, se aclara que x1 y x2 son las raíces de las ecuaciones.

Resolvente de la ecuación general

Dada la ecuación general completa de segundo grado con una incógnita: a x2 + b x + c
= 0; se resuelve la misma aplicando la formula siguiente la que nos permite establecer
sus raíces.

89
Formula que resuelve la ecuación general de segundo grado con una incógnita

Ejemplo:

Ejercicios propuestos
Resolver las siguientes ecuaciones de segundo grado:

Interpretación Grafica
La representación gráfica de una función cuadrática es una parábola y se obtiene
asignándole valores a la ecuación.
Ecuaciones fraccionarias: Se llama ecuación fraccionaria a toda igualdad en la que
figuran una o más incógnitas en el denominador.
Ejemplos:

Sistemas de ecuaciones lineales con dos incógnitas

Se llama sistema de dos ecuaciones de primer grado con dos incógnitas a dos
ecuaciones de primer grado con dos incógnitas cada una, que deben admitir
simultáneamente las mismas raíces.
Estas raíces comunes a ambas ecuaciones constituyen la solución del sistema.

Método gráfico
Para resolver gráficamente un sistema de dos ecuaciones con dos incógnitas se
representan gráficamente cada una de ellas y las coordenadas del punto de intersección
de las dos graficas constituyen la solución del sistema.

Método de Sustitución
Se resume en los siguientes pasos:
1) Se despeja una incógnita en una de las ecuaciones.
2) Se sustituye la expresión de esta incógnita en la otra ecuación, obteniendo una
ecuación con una sola incógnita.

90
3) Se resuelve la ecuación.
4) El valor obtenido se sustituye en la ecuación en la que aparece la incógnita despejada.
Los dos valores obtenidos constituyen la solución del sistema.

Método por reducción o suma

Recordemos que dos sistemas son equivalentes si tienen el mismo conjuntos solución.
El método de reducción consiste en transformar el sistema dado en uno equivalente. En
esencia consiste primero en ver si alguna de las incógnitas tiene el mismo coeficiente
en ambas ecuaciones, si no es así se trata de acomodar para que así lo sea. Luego,
restando o sumando miembro a miembro las ecuaciones, se obtiene una ecuación con
una incógnita menos, esto quiere decir que se redujo el número de incógnitas, de allí el
nombre de reducción o eliminación.
Los pasos a seguir son:

Preparamos ambas ecuaciones, multiplicando (dividiendo) por una constante (número)

adecuada para que una de las incógnitas tenga el mismo coeficiente, salvo signo que
puede ser positivo (o negativo), en ambas ecuaciones.
2) Restamos (o sumamos), según signo del coeficiente, miembro a miembro ambas
ecuaciones y con ello desaparece una incógnita, así reducimos el número de
ecuaciones, en nuestro caso a una ecuación.
3) Resolvemos la ecuación obtenida.
4) Luego a este resultado lo llevamos a cualquiera de las dos ecuaciones iniciales para
obtener la otra incógnita (o podemos emplear la misma técnica para despejar la otra
incógnita).
5) Verificar la solución obtenida, en ambas ecuaciones.

Método de igualación
El método de igualación consiste en una pequeña variante del método antes visto de
sustitución. Para resolver un sistema de ecuaciones por este método hay que despejar
una incógnita, la misma, en las dos ecuaciones e igualar el resultado de ambos
despejes, con lo que se obtiene una ecuación de primer grado. Las fases del proceso
son las siguientes:
1) Se despeja la misma incógnita en ambas ecuaciones.
2) Se igualan las expresiones obtenidas y se resuelve la ecuación lineal de una incógnita
que resulta.
3) Se calcula el valor de la otra incógnita sustituyendo la ya hallada en una de las
ecuaciones despejadas de primer paso.

Ejercicios propuestos
Resolver los siguientes sistemas aplicando los distintos métodos, eligiendo dos para
cada uno:

91
Bibliografia

Recta numérica: https://www.youtube.com/watch?v=O2Pdh3g-kI8

Representación de Fracciones : https://www.youtube.com/watch?v=uF-T7xyyT2s

Operaciones Matemáticas: https://www.youtube.com/watch?v=lm2sAgqlYpU

Potenciación y Radicación: https://www.youtube.com/watch?v=YOePvJBAPhI

https://www.youtube.com/watch?v=fsyWnIfFtkw
Notación científica
https://www.todamateria.com/notacion-cientifica/
https://matemovil.com/sumar-y-restar-en-notacion-cientifica/
https://content.nroc.org/Algebra.HTML5/U07L1T2/TopicText/es/text.html
Ecuaciones de 1º grado con Una Incógnita:
https://www.youtube.com/watch?v=IHblqjW8RY8

https://www.youtube.com/watch?v=s10dhcfUCzI

https://www.youtube.com/watch?v=RC1wNZOnGfc

https://www.youtube.com/watch?v=NDEwNJ7M0eY

https://www.youtube.com/watch?v=nHDr4PHqZpE

Ecuaciones de 1º grado con Dos Incógnitas:

https://www.youtube.com/watch?v=VtABFn0Qyus

92
https://www.youtube.com/watch?v=BfMjRawZyQ4

Ecuaciones de 2º grado con Una Incógnita:

https://www.youtube.com/watch?v=IGhjsc8lEKY

https://www.youtube.com/watch?v=yv0bNfXGT3Y

Sistemas de Ecuaciones de 1º Grado con dos Incógnitas:

https://www.youtube.com/watch?v=oQQfG1zIPMc

https://www.youtube.com/watch?v=v05XRng4u_c

https://www.youtube.com/watch?v=eoKkn31azS8

Métodos de Resolución de Ecuaciones 1º grado con Dos Incógnitas:

https://www.youtube.com/watch?v=DzvMSecEY6I

https://www.youtube.com/watch?v=k8NEpHKFAnY

93