Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 2 vistas

    Conferencia Jueves

    Cargado por

    maxchaveror

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Conferencia Jueves

    Cargado por

    maxchaveror
    2 vistas7 páginas

    Título original

    conferencia jueves

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    2 vistas7 páginas

    Conferencia Jueves

    Cargado por

    maxchaveror

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 7

    UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

    FACULTAD DE ESTUDIOS SUPERIORES ARAGÓN

    INGENIERÍA CIVIL

    Tarea :
    SEMANA DE LA INGENIERIA
    CONFERENCIA DEL VIERNES
    ¿QUE SE NECESITA PARA SER UN
    CIENTIFICO DE DATOS?

    PRESENTA:
    CARLOS MAX CHAVERO RAMIREZ

    GRUPO: 1302

    RECURSOS DE LA CONSTRUCCION

    PROFE. ING. MIRIAM YOLANDA ZUÑIGA ALDANA

    FECHA: 13 DE AGOSTO DEL 2024


    UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
    FACULTAD DE ESTUDIOS SUPERIORES ARAGÓN
    INGENIERÍA CIVIL

    Para ser un “científico de datos” se requiere una combinación de habilidades


    técnicas, analíticas y conocimientos específicos en diversas áreas. Aquí te dejo un
    resumen de los principales requisitos:

    1.Habilidades en Programación:

    - Lenguajes: Python y R son los más utilizados en ciencia de datos por su


    versatilidad y grandes bibliotecas.

    - Herramientas: Conocimiento de herramientas como Jupyter Notebooks, Git y


    entornos de desarrollo colaborativo.

    2. Manejo de Datos:

    - SQL: Conocimiento profundo para manipular y consultar bases de datos


    relacionales.

    - Big Data: Familiaridad con tecnologías como Hadoop, Spark o bases de datos
    NoSQL para el manejo de grandes volúmenes de datos.

    - ETL (Extracción, Transformación y Carga): Experiencia en el proceso de limpiar,


    transformar y cargar datos en sistemas.

    3. Estadística y Matemáticas:

    - Estadística: Conocer métodos estadísticos para el análisis de datos, como


    pruebas de hipótesis, distribuciones y análisis de varianza.

    - Álgebra Lineal y Cálculo: Son fundamentales para entender y desarrollar


    modelos de aprendizaje automático.

    Semana de la Ingeniería
    Recursos de la construcción 2
    UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
    FACULTAD DE ESTUDIOS SUPERIORES ARAGÓN
    INGENIERÍA CIVIL

    4. Modelado y Machine Learning:

    - Algoritmos de Machine Learning: Familiaridad con regresión, clasificación,


    árboles de decisión, redes neuronales, clustering, etc.

    - Aprendizaje profundo (Deep Learning): Uso de redes neuronales avanzadas


    (CNN, RNN) para tareas complejas como reconocimiento de imágenes o
    procesamiento del lenguaje natural.

    - Bibliotecas: Conocimiento de bibliotecas como Scikit-learn, TensorFlow, PyTorch,


    etc.

    5. Visualización de Datos:

    - Herramientas: Manejo de herramientas como Matplotlib, Seaborn, Power BI,


    Tableau, etc. para crear visualizaciones efectivas.

    - Comunicación: Capacidad de presentar los resultados de análisis de manera


    clara y comprensible para públicos no técnicos.

    6. Conocimientos de Negocio:

    - Comprender el contexto del negocio o industria en la que se trabaja para


    identificar problemas y traducirlos en preguntas que se puedan resolver mediante
    análisis de datos.

    7. Competencias Blandas:

    - Curiosidad y resolución de problemas: Capacidad para investigar y abordar


    problemas complejos.

    Semana de la Ingeniería
    Recursos de la construcción 3
    UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
    FACULTAD DE ESTUDIOS SUPERIORES ARAGÓN
    INGENIERÍA CIVIL

    - Comunicación: Explicar resultados de forma clara, tanto para equipos técnicos


    como no técnicos.

    - Trabajo en equipo: Colaborar con otros departamentos y roles, como ingenieros


    de software, gerentes de producto y analistas de datos.

    8. Formación Académica:

    - Carreras relacionadas: Matemáticas, Estadística, Informática, Ingeniería o áreas


    afines. Además, maestrías o cursos especializados en ciencia de datos son muy
    valorados.

    - Certificaciones y proyectos: Certificaciones de plataformas como Coursera, edX,


    o Kaggle, junto con la construcción de un portafolio de proyectos, son útiles para
    demostrar habilidades prácticas.

    9. Experiencia Práctica:

    - Participar en concursos de ciencia de datos (como Kaggle) y trabajar en


    proyectos reales es clave para adquirir experiencia aplicable en el campo.

    En resumen, ser científico de datos implica una mezcla de habilidades técnicas,


    matemáticas y de comunicación, además de la capacidad para resolver problemas
    del mundo real usando datos.

    Semana de la Ingeniería
    Recursos de la construcción 4
    UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
    FACULTAD DE ESTUDIOS SUPERIORES ARAGÓN
    INGENIERÍA CIVIL

    Semana de la Ingeniería
    Recursos de la construcción 5
    UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
    FACULTAD DE ESTUDIOS SUPERIORES ARAGÓN
    INGENIERÍA CIVIL

    Semana de la Ingeniería
    Recursos de la construcción 6
    UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
    FACULTAD DE ESTUDIOS SUPERIORES ARAGÓN
    INGENIERÍA CIVIL

    Semana de la Ingeniería
    Recursos de la construcción 7

    También podría gustarte