Comprender la ciencia de datos

Ahora que entendemos el flujo de trabajo de la ciencia de datos, profundizaremos en el primer paso: la recopilación y el almacenamiento de datos. Aprenderemos sobre las distintas fuentes de datos que puedes utilizar, qué aspecto tienen esos datos, cómo almacenarlos una vez recopilados y cómo un pipeline de datos puede automatizar el proceso.

La preparación de los datos es fundamental: los científicos de datos pasan el 80 % del tiempo limpiando y manipulando datos, y solo el 20 % analizándolos de verdad. Este capítulo te mostrará cómo diagnosticar problemas en los datos y cómo tratar los valores que faltan y los valores atípicos. A continuación, obtendrás información sobre la visualización, otra herramienta esencial tanto para explorar tus datos como para transmitir tus conclusiones.

En este capítulo final, hablaremos de experimentación y predicción. Empezaremos con los experimentos, cubriremos las pruebas A/B y pasaremos a la previsión de series temporales, donde aprenderemos a predecir acontecimientos futuros. Por último, terminaremos con el machine learning y examinaremos el aprendizaje supervisado y la agrupación de clústeres.