Data is the new oil! Esta frase es muy utilizada en todo tipo de presentaciones en diversos campos de aplicación. Hace referencia a la anterior época de crecimiento económico mundial, y acumulación de riquezas, generada y basada en el petróleo. Hoy el petró́leo como base de la generación de valor ha sido suplantado por la información. Buena parte de las empresas más valiosas del mundo lo que tienen y procesan es información. El valor de Google, Amazon, e incluso Apple tiene mucho que ver con su capacidad de utilizar información.
La ciencia moderna que hoy permite gestionar, analizar y capitalizar esos datos se denomina Data Science. Combina el análisis estadístico, la tecnología informática, la sociología, la economía, y varias otras, en la aplicación de nuevos paradigmas. Diversos estudios muestran que quienes puedan integrar estas habilidades como Data Scientists, son hoy la profesión mejor paga de cualquier mercado.
Dentro del amplio espectro de Data Science, se encuentran además muchas prácticas y técnicas específicas, ampliamente difundidas en los mercados. Entre las más conocidas se encuentran Big Data, Social Network Analysis, Business Intelligence, Machine Learning, Artificial Intelligence, y varias otras. El objetivo de esta materia es presentar a los alumnos todas estas herramientas en el contexto de los nuevos paradigmas que propone Data Science para los negocios, la educación, la economía y hasta para la organización política de cualquier sociedad moderna.
En las clases abordaremos literatura de frontera, con ejemplos aplicados y casos concretos de éxito. No son necesarios conocimientos previos de programación, ni de estadística avanzada. El objetivo de la materia es dotar a los alumnos de un conocimiento acabado de la aplicación de todas las herramientas relevantes, que idealmente les permita luego profundizar en aquellas que elijan, pero conociendo ampliamente la interacción entre todos los elementos constitutivos de Data Science.
•Definiciones, Contexto e Introducción
•El Cambio de Paradigma
•Social Network Analysis
•Big Data: concepto, mitos y verdades
•Artificial Intelligence: Definiciones, ejemplos, herramientas, aplicaciones
•Machine Learning: Definiciones, ejemplos, herramientas, aplicaciones
•Data Mining: Definiciones, ejemplos, herramientas, aplicaciones
•Problemas Supervisados vs No supervisados: presentación, resoluciones y ejemplos
•Herramientas gráficas
•Aplicaciones y ejemplos.