Explorando la Ciencia de Datos
Desde la Estadística hasta el Big Data
Palabras clave:
Ciencia de Datos, Estadística, CRISP-DM, Datos Masivos, IA
Resumen
Actualmente, la Ciencia de Datos es un campo interdisciplinario que se centra en la extracción de conocimiento útil de grandes conjuntos de datos. Se enfoca en la utilización de herramientas y técnicas para la recopilación, procesamiento y análisis de datos, con el objetivo de identificar patrones, tendencias y relaciones que puedan ser utilizados para mejorar la toma de decisiones. En este artículo, se busca dar un panorama general de la Ciencia de Datos y el conocimiento que implica, proporcionando una visión integral de sus conceptos, metodologías y requerimientos del tratamiento de datos masivos.
Descargas
La descarga de datos todavía no está disponible.
Citas
Vijay Kotu and Bala Deshpande. Data Science: Concepts and Practice. Elsevier Inc., Cambridge, MA, USA, 2019.
Kubben P, Dumontier M, Dekker A, editors. Fundamentals of Clinical Data Science. Cham (CH): Springer; 2019. PMID: 31314217.
Kumar, A. N., Raj, R. K., & et al. (2023). Computer science curricula 2023. ACM Press, IEEE Computer Society Press, and AAAI Press.
P. Chapman, J. Clinton, R. Kerber, T. Khabaza, T. Reinartz, C. Shearer, and R. Wirth, “CRISP-DM 1.0: Step-by-step data mining guide,” SPSS Inc., 2000.
Dangeti, P. (2017). Statistics for Machine Learning. Packt Publishing.
N. Marz and J. Warren, Big Data: Principles and Best Practices of Scalable Real-Time Data Systems. Shelter Island, NY, USA: Manning Publications, 2015.
V. Mayer-Schönberger and K. Cukier, Big Data: A Revolution That Will Transform How We Live, Work, and Think. Boston, MA, USA: Houghton Mifflin Harcourt, 2013
Information Resources Management Association, Big Data: Concepts, Methodologies, Tools, and Applications. Hershey, PA, USA: IGI Global, 2016.
Genís Roca y Albert Solana, “Big Data para directivos”, Editorial Empresa Activa, 2019.
Juan Gabriel Gomila Salas, Kirill Eremenko, y otros, “Inteligencia Artificial aplicada a Negocios”, Editorial Kindle, 2023.
Kubben P, Dumontier M, Dekker A, editors. Fundamentals of Clinical Data Science. Cham (CH): Springer; 2019. PMID: 31314217.
Kumar, A. N., Raj, R. K., & et al. (2023). Computer science curricula 2023. ACM Press, IEEE Computer Society Press, and AAAI Press.
P. Chapman, J. Clinton, R. Kerber, T. Khabaza, T. Reinartz, C. Shearer, and R. Wirth, “CRISP-DM 1.0: Step-by-step data mining guide,” SPSS Inc., 2000.
Dangeti, P. (2017). Statistics for Machine Learning. Packt Publishing.
N. Marz and J. Warren, Big Data: Principles and Best Practices of Scalable Real-Time Data Systems. Shelter Island, NY, USA: Manning Publications, 2015.
V. Mayer-Schönberger and K. Cukier, Big Data: A Revolution That Will Transform How We Live, Work, and Think. Boston, MA, USA: Houghton Mifflin Harcourt, 2013
Information Resources Management Association, Big Data: Concepts, Methodologies, Tools, and Applications. Hershey, PA, USA: IGI Global, 2016.
Genís Roca y Albert Solana, “Big Data para directivos”, Editorial Empresa Activa, 2019.
Juan Gabriel Gomila Salas, Kirill Eremenko, y otros, “Inteligencia Artificial aplicada a Negocios”, Editorial Kindle, 2023.
Publicado
2024-12-10
Cómo citar
Quiroz Fabián, J. L., Pérez Espinosa, A., Román Alonso, G., Castro García, M. A., & Aguilar Cornejo, M. (2024). Explorando la Ciencia de Datos: Desde la Estadística hasta el Big Data. Contactos, Revista De Educación En Ciencias E Ingeniería, (137), 115 - 121. Recuperado a partir de https://contactos.izt.uam.mx/index.php/contactos/article/view/450
Sección
Artículos
