Python

¿Para que nos sirve Python?

Python en la Inteligencia Artificial(AI):
Keras y TensorFlow son bibliotecas que contiene mucha información sobre las funcionalidades del aprendizaje
automático.

Python en Big Data:

Análisis de datos y extracción de información útil para empresas con una gran cantidad de datos.
Una biblioteca como Pydoop, que es de gran ayuda, ya que puede escribir un código de MapReduce en
Python y procesar los datos en el clúster HDFS.
 3

¿Para que nos sirve Python?

Python en Data Science:
Motores numéricos de Python como Pandas y Numpy, son utilizados para la carga de grandes datos.
Se ocupa de los datos tabulares, matriciales y estadísticos, e incluso los podemos visualizar con bibliotecas
populares como Matplotlib.

Python en Desarrollo Web:

Permite la creación de prototipos con menos líneas de código el cual es una forma de trabajo más eficiente.
El Framework Django, es una ventaja ya que puede usarse para crear aplicaciones web dinámicas y muy
seguras.
Scraping
 4
Ejercicios: Inteligencia Artificial
Creación de archivo JSON

Ejecución de archivo JSON

Resultado
Data Science
 6

¿Qué es Data Science?

Data Science es la ciencia centrada en el estudio
de datos. Se encarga de extraer información de
grandes cantidades de datos.

Data Science combina la estadística, las

matemáticas y la informática para interpretar
datos.

Objetivo: Tomar decisiones.

 7

¿De donde podemos

obtener estos datos?
Estos datos se obtienen a través de diferentes
canales. Lo teléfonos móviles, las redes sociales, los
e-commerce o las encuestas son solo algunas de las
fuentes utilizadas.

¿Cómo?
Nuestros gustos, rutinas o movimientos generan
datos de gran valor para las empresas que quieren
conocer a sus clientes.
 8

Proceso de datos
La interpretación de los datos no estructurados no aporta valor a las compañías, de ahí surge la
necesidad de contar con científicos de datos en sus equipos.

Equipo:
 Data Scientist: Encargado de la extracción de conocimiento a través de los datos. Entre sus
funciones está la construcción de algoritmos que faciliten la extracción y organización de la
información.
 Data Engineer: Encargado de que los datos sean accesibles para su manipulación por parte de los
Data Scientist.
 Data Analyst: Encargada de interpretar los datos extraídos a través de diferentes técnicas.
Analiza y presenta los resultados.
 Chief Data Officer: Es la persona encargada de liderar al resto de perfiles descritos
anteriormente.
 9

Conceptos clave en Data Science

Data Mining Deep Learning
Proceso utilizado para recolección y Resolver problemas a través de redes neuronales.
almacenamiento de datos útiles.

Machine Learning Inteligencia Artificial(IA)

Se encarga de educar a la tecnología para que Se basa en algoritmos utilizados para la creación
corrija errores. de máquinas que imitan el comportamiento
humano.
 10
Ejercicios: Visualización de tabla.
 11
Ejercicios: Modelo de regresión lineal.
Datos simulados

Valores de Y Calculamos
el promedio
de todas las
Y

Valores de X
Gracias