Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Nombre:
Matricula:
20220626
Maestro:
Amaurys Bargas
Materia:
Electiva 1
Asignación:
Las regresiones lineales son como conectar puntos en una línea recta en un gráfico. Esto
significa que asumimos que hay una relación directa y constante entre las variables. Es
como cuando trazas una línea recta para representar cómo cambia una cosa cuando
cambia otra. Si hay más de una variable que afecta a la que queremos predecir, usamos la
regresión lineal múltiple.
Lo bueno de las regresiones lineales es que son fáciles de entender, rápidas de calcular y
bastante resistentes a errores. Pero tienen limitaciones: solo pueden manejar relaciones
en línea recta y pueden ser engañadas por valores extraños en los datos.
Para superar estas limitaciones, existen formas de "estirar" las regresiones lineales para
que se adapten mejor a los datos. Por ejemplo, podemos dar más importancia a ciertos
puntos de datos, hacer que sean menos sensibles a valores extraños o elegir solo las
variables más importantes para nuestro modelo.
Por otro lado, las regresiones no lineales nos permiten modelar relaciones más
complicadas que no son simplemente líneas rectas. Por ejemplo, podríamos tener una
curva, una forma de "U" o incluso un crecimiento exponencial.
Exploración de datos: Aquí se lleva a cabo un análisis exploratorio de los datos para
identificar patrones, tendencias, correlaciones u otros insights que puedan ser útiles para
abordar el problema planteado.
Evaluación:
Este tema me resultó sumamente fascinante porque nos sumergimos en cada fase del proceso
completo, desde la concepción hasta el mantenimiento de un proyecto de ciencia de datos. Es un
viaje complejo que exige una cuidadosa planificación, una ejecución precisa y una evaluación
constante. El éxito en la gestión de proyectos de big data está determinado por una serie de
elementos cruciales, como el liderazgo efectivo, la comunicación fluida y la colaboración entre
equipos, la promoción de una cultura orientada a los datos, la disponibilidad de recursos y
competencias, y la elección de la metodología más adecuada para abordar los desafíos
específicos que surgen a lo largo del camino.