Aprendizaje Profundo¶

Líder en ciencia de datos. Experto 3.0
Matemático, informático y Estadístico, con Msc y PhD en Estadística.
Profesor de inteligencia artificial, minería de datos, aprendizaje profundo, métodos de computación intensiva ciencia de datos, big-data, estadística bayesiana, Teoría de Respuesta al Ítem, entre otras.
Desarrollado proyectos gubernamentales como el sistema de información ciencia y tecnología de Colombia.
Investigador y desarrollador en Inteligencia Artificial.

Campo Elías Pardo, PhD¶

Experto en ciencia de datos. Experto 2.0
Ingeniero químico, con Msc y PhD en Estadística
Profesor de estadística multivariada Descriptiva, ciencia de datos, minería de datos, entre otros.
Desarrollo de productos de análisis multivariado de datos
Investigador y desarrollador en modelos no supervisados

Daniel Montenegro, Msc¶

Experto en ciencia de datos. Experto 2.0
Matemático, con Msc y PhD en Matemática Aplicada
Profesor de inteligencia artificial, modelación matemática, métodos numéricos, redes neuronales, aprendizaje profundo, entre otros.
Desarrollo de proyecto de IA en lenguaje natural
Investigador y desarrollador en Inteligencia Artificial

Camilo Torres, Msc¶

Experto en ciencia de datos. Experto 2.0.
Matemático, con línea de profundización en Informática y Msc en Estadística.
Profesor de cursos de fundamentación matemático-estadística, análisis de datos multivariados y lenguajes de programación, entre otros.
Programador, administrador de bases de datos (DBA), consultor y líder de proyectos en ciencia de datos.

Que es la ciencia de datos¶

El área trabajo empresarial encargada de convertir datos en productos.

Identificar el problema y el objetivo¶

¿Cuál es el problema que quiero resolver?
¿Cuál es el objetivo?
¿Cuál es la meta a la que quiero llegar?

Capturar y recolectar de datos¶

Ejemplo de una "encuesta" en "Google Forms" (de pronto con serias debilidades...): EncuestaInicioCurso.pdf

Ejemplo de unos datos en una "Hoja de cálculo": EncuestaInicioCursoResponses.xlsx

Transformar¶

Ejemplo de unos datos en un archivo de texto plano .csv (del inglés comma-separated values, es decir, valores separados por comas): EncuestaInicioCursoResponses.csv

In [1]:

#pip install pandas
#conda install pandas
import pandas as pd

In [2]:

url = "https://raw.githubusercontent.com/AprendizajeProfundo/diplomado-ciencia-de-datos/master/"
carpetas = "A_Preliminares/ArchivosOtros/"
archivo_csv = 'EncuestaInicioCursoResponses.csv'
ruta_completa = archivo_csv
datos = pd.read_csv(ruta_completa)
datos.head()

Out[2]:

	Timestamp	TXT_EXPECTATIVA_APREND	GRABAR_CLASES	PROGRAMA	SEMESTRE_INICIO	NRO_MATRICULAS	PRCTJ_CRED_APROB	PROP_CRED_APROB	NRO_MATERIAS_INSCR	NRO_CRED_INSCR	HRS_TRABAJA_SEMAN	NIVEL_INGLES	ESTATURA	CAMBIO_PESO_DESEADO	GENERO_BIO
0	10/4/2021 13:01:19	Aprender sobre la estadística	Sí	Ingeniería Química	2020-I	4	35.0	56.00	5	17	50	B2	1.75	60.0	XY (Hombre)
1	10/4/2021 13:06:59	Espero poder reforzar mis conocimientos sobre ...	Sí	Contaduría pública	2020-II	3	15.0	1/7	3	9	32	A2	1.68	-2.0	XY (Hombre)
2	10/4/2021 13:07:40	Cosas útiles	Sí	Ingeniería mecatrónica	2019-I	5	10.0	1/10	5	19	0	B2	1.73	0.0	XY (Hombre)
3	10/4/2021 13:13:26	Honestamente, cualquier conocimiento es bienve...	Sí	Ingeniería Civil	2019-I	4	20.0	36.00	6	20	16	B2	1.80	72.0	XY (Hombre)
4	10/4/2021 13:18:09	Pues aprender todo lo que se requiere en la ma...	Sí	Ingenieria civil	2019-I	6	35.0	75 créditos	5	16	0	B1	1.70	2.0	XY (Hombre)

¿Qué limpieza, depuración o transformaciones en general se requieren para este conjunto de datos? (el objetivo y las características de los datos guían la respuesta a esta pregunta)

Explorar, análizar, modelar, visualizar y concluir¶

¿Estadísticas básicas?

In [3]:

datos.describe()

Out[3]:

	NRO_MATRICULAS	PRCTJ_CRED_APROB	NRO_MATERIAS_INSCR	NRO_CRED_INSCR	HRS_TRABAJA_SEMAN	ESTATURA	CAMBIO_PESO_DESEADO
count	47.000000	47.000000	47.000000	47.000000	47.000000	47.000000	47.000000
mean	4.702128	18.774468	4.510638	15.255319	14.702128	1.722128	7.882979
std	2.992127	13.161392	0.997221	3.578122	17.366778	0.083508	23.236780
min	1.000000	0.000000	3.000000	6.000000	0.000000	1.500000	-20.000000
25%	3.000000	9.450000	4.000000	12.500000	0.000000	1.670000	-2.500000
50%	4.000000	16.000000	5.000000	16.000000	8.000000	1.730000	3.000000
75%	5.000000	26.500000	5.000000	18.000000	25.000000	1.785000	10.000000
max	18.000000	56.400000	7.000000	21.000000	50.000000	1.850000	75.000000

¿Qué pasó con las demás variables?

¿Gráficos?

In [4]:

#pip install plotly
#conda install plotly
import plotly.express as px

In [5]:

import plotly.express as px
fig = px.pie(datos, names="NIVEL_INGLES", title="",
             width=600, height=400)
fig.show()

In [6]:

fig = px.scatter(datos, x="ESTATURA", y="CAMBIO_PESO_DESEADO", color="GENERO_BIO", 
                 marginal_y="box", marginal_x="histogram", template="simple_white",
                 width=600, height=400)
fig.show()

In [7]:

fig = px.scatter_3d(datos, x='HRS_TRABAJA_SEMAN', y='NRO_CRED_INSCR', z='NRO_MATERIAS_INSCR',
                    size='NRO_MATRICULAS', color='PRCTJ_CRED_APROB', symbol='GENERO_BIO',
                    symbol_sequence=['circle','square'], width=600, height=500)
fig.show()