12 de agosto de 2023

ACTIVIDAD: 09 DIAGRAMA DE
FLUJO. CONTROL Y GESTIÓN
DE DATOS CON PYTHON

ASIGNATURA: CIENCIA DE DATOS

P/TOMA DE DECISIONES

UNIDAD: V
Contenido
Introducción ....................................................................................................................................... 1
Diagrama de Flujo – Actividad 8 .................................................................................................... 1
Diagrama de Flujo – Actividad 9 .................................................................................................... 3
Referencias ....................................................................................................................................... 4
Introducción

El control y la gestión de datos son tareas fundamentales en la programación, y

Python ofrece una amplia variedad de herramientas y bibliotecas para llevar a cabo estas
tareas. En general, el control de datos se refiere a la capacidad de un programa para
almacenar, recuperar y manipular información. La gestión de datos, por otro lado, se refiere
a la organización y el procesamiento de los datos en sí mismos.
Python ofrece una variedad de estructuras de datos integradas, como listas, tuplas
y diccionarios, que se utilizan para almacenar y organizar datos. También hay una serie de
bibliotecas externas que se pueden utilizar para tareas específicas de gestión de datos,
como la manipulación de archivos CSV o Excel, la lectura y escritura de bases de datos, y
la limpieza y transformación de datos. Algunas de las bibliotecas de Python más utilizadas
para la gestión de datos son:
a) Pandas: una biblioteca de análisis de datos que permite la manipulación y el análisis
de datos estructurados, como tablas y series de tiempo.
b) Numpy: una biblioteca de computación numérica que se utiliza para la manipulación
de matrices y vectores.
c) Matplotlib: una biblioteca de visualización de datos que permite la creación de
gráficos y visualizaciones atractivas.
d) Scikit-learn: una biblioteca de aprendizaje automático que se utiliza para tareas de
clasificación, regresión y agrupamiento.
e) SQLAlchemy: una biblioteca para interactuar con bases de datos relacionales de
manera programática.
Estas son solo algunas de las bibliotecas que se utilizan comúnmente para la gestión
de datos con Python. Con ellas, es posible llevar a cabo tareas como la limpieza y la
transformación de datos, el análisis de datos, la visualización de datos y el aprendizaje
automático.
En esta actividad se toma el diagrama de la actividad ocho para desglosar el trabajo
que se realizaría por parte de Machine Learning desarrollando paso a paso las tareas
necesarias para generar Potencialidad Recetaria y proveer la información a través de una
plataforma como servicio, también conocida como PAAS.

Diagrama de Flujo – Actividad 8

Diagrama de Flujo – Actividad 9
Referencias
CCT México. (31 de octubre de 2016). Python: Estadísticas básicas, rápido y fácil
(Pandas, mathplotlib). Recuperado el 18 de febrero de 2023, de Youtube:
https://youtu.be/fVsccB30O_4
Código Facilito. (30 de junio de 2020). Aplicaciones en Tiempo Real con Python.
Recuperado el 18 de febrero de 2023, de Youtube: https://youtu.be/HoM0cLYl6M4
Datascience para el bien social. (10 de junio de 2017). Estadistica Descriptiva con Python
y Pandas. Recuperado el 18 de febrero de 2023, de Datascience para el bien
social: https://coderhook.github.io/Descriptive%20Statistics
López Briega, R. E. (27 de junio de 2015). Probabilidad y Estadística con Python.
Recuperado el 18 de febrero de 2023, de Raul E. Lopez Briega - Matemáticas,
análisis de datos y python:
https://relopezbriega.github.io/blog/2015/06/27/probabilidad-y-estadistica-con-
python/
Practia Academy. (28 de abril de 2020). Cómo manejar grandes volúmenes de datos con
Phyton. Recuperado el 18 de febrero de 2023, de Youtube:
https://youtu.be/D3k8xjZ0ZEc
Universidad de Sevilla. (2013). Tema 6 : Sistemas en Tiempo Real. Recuperado el 18 de
febrero de 2023, de Universidad de Sevilla - Departamento de Arquitectura y
Tecnología de Computadoras: http://icaro.eii.us.es/descargas/Tema6-parte1.pdf
Universidad Pontificia. (2019). Big Data. Análisis de grandes volúmenes de datos en
Organizaciones. Recuperado el 18 de febrero de 2023, de Universidad Pontificia -
Repositorio Comillas: https://repositorio.comillas.edu/xmlui/handle/11531/27706