Professional Documents
Culture Documents
Entregable Final - Big Data y Machine Learning (Diaz Granados Alexander Angel)
Entregable Final - Big Data y Machine Learning (Diaz Granados Alexander Angel)
PLAN DE TRABAJO
DEL ESTUDIANTE
TRABAJO FINAL DEL CURSO
1. INFORMACIÓN GENERAL
3. PREGUNTAS GUIA
Durante la investigación de estudio, debes obtener las respuestas a las siguientes interrogantes:
Nº PREGUNTAS
1 ¿Qué ventajas encontramos en el desarrollo e implementación de aplicaciones con Big Data y Machine
Learning?
2 ¿En qué sectores de las PYMES podemos aplicar Big Data y Machine Learning, sabiendo que no se
manejan grandes volúmenes de datos? Fundamente la respuesta
3
¿Cuáles son las herramientas para Big Data y Machine Learning?
4 ¿Cuáles son las diferencias entre el modelo descriptivo e inferencial y el modelo predictivo e
inteligente?
5
¿Qué algoritmos existen el Machine Learning?
2
TRABAJO FINAL DEL CURSO
Además, estas tecnologías también permiten la identificación de patrones ocultos en los datos
que pueden no ser evidentes a simple vista. Los algoritmos de Machine Learning pueden
analizar grandes cantidades de datos y detectar patrones y tendencias que los humanos
pueden pasar por alto. Esto puede llevar a una mejor toma de decisiones en una variedad de
situaciones, desde el marketing hasta la investigación científica.
Otra ventaja de las aplicaciones de Big Data y Machine Learning es su capacidad para
personalizar y mejorar la experiencia del usuario. Al analizar datos de usuarios individuales,
se pueden hacer recomendaciones personalizadas y proporcionar una experiencia más
satisfactoria para el cliente. Además, estas aplicaciones también pueden mejorar la eficiencia
de las operaciones empresariales al proporcionar información en tiempo real que permita una
toma de decisiones más rápida.
Por último, estas tecnologías también permiten la creación de modelos predictivos que pueden
predecir resultados futuros con una alta precisión. Esto es especialmente valioso en
situaciones donde es importante tomar medidas proactivas para evitar problemas, como en la
industria de la salud o en la prevención del fraude financiero. En general, el uso de aplicaciones
de Big Data y Machine Learning ofrece una amplia variedad de beneficios para las empresas,
que van desde la mejora de la eficiencia operativa hasta la toma de decisiones más informada.
3
TRABAJO FINAL DEL CURSO
2. ¿En qué sectores de las PYMES podemos aplicar Big Data y Machine Learning,
sabiendo que no se manejan grandes volúmenes de datos? Fundamente la respuesta
Aunque convencionalmente
se piensa en la aplicación
de Big Data y Machine
Learning en organizaciones
con grandes volúmenes de
datos, también pueden ser
utilizados en PYMES con
cantidades menores de
datos. En el ámbito de
ventas y marketing, se
pueden examinar datos de
ventas, clientes y campañas
de marketing para identificar
patrones y preferencias de
los clientes, a fin de personalizar la oferta y optimizar la efectividad de las campañas. Además,
también se puede examinar el comportamiento del mercado y la competencia para tomar
decisiones más informadas mediante el análisis de datos.
4
TRABAJO FINAL DEL CURSO
Existen varias herramientas disponibles para Big Data y Machine Learning. A continuación,
menciono algunas de ellas:
5
TRABAJO FINAL DEL CURSO
4. ¿Cuáles son las diferencias entre el modelo descriptivo e inferencial y el modelo predictivo e
inteligente?
Por otro lado, el modelo predictivo e inteligente se enfoca en predecir eventos futuros o
resultados. Este modelo se basa en técnicas de aprendizaje automático y utiliza algoritmos
para identificar patrones en los datos y predecir resultados futuros. Este modelo se utiliza
comúnmente en el ámbito empresarial para hacer predicciones de ventas, comportamiento del
cliente, riesgo crediticio y otros factores importantes para la toma de decisiones.
6
TRABAJO FINAL DEL CURSO
Los algoritmos son fundamentales en los procesos de aprendizaje de Machine Learning. Son
los responsables de proporcionar información para la toma de decisiones y la predicción del
comportamiento de los datos. Existen diferentes tipos de algoritmos y estos son aplicables
dependiendo del tipo de machine learning en el cual el algoritmo vaya a funcionar.
7
TRABAJO FINAL DEL CURSO
HOJA DE PLANIFICACIÓN
PROCESO DE EJECUCIÓN
SEGURIDAD / MEDIO AMBIENTE /
OPERACIONES / PASOS /SUBPASOS NORMAS -ESTANDARES
S.H.I
•Instalamos y cargamos la biblioteca "ggplot2"
INSTRUCCIONES: debes ser lo más explícito posible. Los gráficos ayudan a transmitir
mejor las ideas. No olvides los aspectos de calidad, medio ambiente y SHI.
9
TRABAJO FINAL DEL CURSO
10
TRABAJO FINAL DEL CURSO
11
TRABAJO FINAL DEL CURSO
12
TRABAJO FINAL DEL CURSO
13
TRABAJO FINAL DEL CURSO
14
TRABAJO FINAL DEL CURSO
15
TRABAJO FINAL DEL CURSO
16
TRABAJO FINAL DEL CURSO
17
TRABAJO FINAL DEL CURSO
LISTA DE RECURSOS
1. MÁQUINAS Y EQUIPOS
Pc de Escritorio
3. HERRAMIENTAS E INSTRUMENTOS
R Studio
R 4.3.0
Notebook Jupyter
Microsoft Word
Bloc de Notas
Herramienta de Recortes
5. MATERIALES E INSUMOS
Cuaderno de Apuntes
Libros de cálculo y estadística
Lápiz
Borrador
Resaltador
18