2.4.10 DM/Análisis de Datos

Temas:
Core

• Técnicas exploratorias de datos (motivación, representación, estadísticas descriptivas, visualizaciones)
• Ciclo de vida de ciencia de datos: comprensión del negocio, comprensión de datos, preparación de datos, modelado, evaluación, despliegue y aceptación del usuario
• Algoritmos de minería de datos y aprendizaje automático: por ejemplo, clasificación, agrupamiento, asociación, regresión
• Adquisición y gobernanza de datos
• Consideraciones de seguridad y privacidad de datos
• Equidad y sesgo de datos
• Técnicas de visualización de datos y su uso en análisis de datos
• Resolución de Entidades

Aprendizaje esperado (Learning Outcomes):
Core:

1. Describir varios enfoques de exploración de datos, incluyendo visualización, para comprender conjuntos de datos no familiares [Describir]
2. Aplicar varios enfoques de exploración de datos para comprender conjuntos de datos no familiares [Aplicar]
3. Describir algoritmos básicos de aprendizaje automático/minería de datos y cuándo son apropiados para su uso [Describir]
4. Aplicar varios algoritmos de aprendizaje automático/minería de datos [Aplicar]
5. Describir consideraciones legales y éticas en la adquisición, uso y modificación de conjuntos de datos [Describir]
6. Describir problemas de equidad y sesgo en la recolección y uso de datos [Describir]