DSF - Unidad 4 - M1-M2

Los datos deben filtrarse, depurarse y pulirse para obtener valor de ellos.

• Verdadero

• Falso

Incluye todas las actividades relacionadas con la construcción de conjuntos de datos.

• La preparación de datos

• La comprensión de datos

• La exploración de datos

• La depuración de datos

Para comprender los datos se hace uso de estadistica descriptiva como:

• Estadística univariable

• Visualizaciones

• Correlaciones por pares

• Histogramas

Para la comprensión de los datos ¿Qué plataforma web usó el equipo de ciencia de datos para ingresar los datos, analizar y visualizar los resultados?

• Watson Analytics

• Cognos

• PowerBI

• Excel

¿Cuál es la finalidad de la exploración inicial en la plataforma hecha por el equipo de ciencia de datos en la fase de comprensión de datos?

• Crear un modelo predictivo

• Determinar si existe alguna relación entre las variables de los datos encontrados

• Reformular las preguntas a resolver con ciencia de datos

• Crear un modelo descriptivo

¿Por qué se realiza la depuración de datos?

• Porque algunas partes del conjunto de datos pueden contener información más sólida que otras

• Porque se requiere trabajar con datos útiles

• Porque datos sin depurar pueden dar lugar a estadísticas y visualizaciones imprecisas o pocas claras

• Porque necesitamos encontrar relaciones entre los datos

¿Qué significa la correlación en esta fase del proceso?

• Que las cifras coinciden

• Relación entre dos valores distintos

• Que podemos seleccionar que analizar con ciencia de datos

• Que podemos encontrar relaciones negativas y positivas

En el caso analizado (Nutrimondo), son hallazgos de la exploración de datos:

• Correlaciones positivas y negativas (tablas y gráficos)

• Relaciones entre variables

• Estadísticas descriptivas

• Gráficos de frecuencia para variables individuales

• Diagramas de dispersión y líneas de regresión para mostrar relaciones entre variables

Respecto a la preparación de datos, el equipo de Nutrimondo:

• Decide analizar las variables relacionadas con la inequidad económica, la obesidad, el acceso a los alimentos, el grupo étnico, la raza y la participación en programas federales relacionados con los alimentos (28 variables)

• Decide analizar las variables relacionadas con la inequidad económica, la obesidad, el acceso a los alimentos, el grupo étnico, la raza y la participación en programas federales relacionados con los alimentos (146 variables)

• Crea un marco de datos más pequeño y mapas de calor para buscar correlaciones

• Visualiza las correlaciones mediante diagramas de dispersión y líneas de regresión

• Decide buscar más datos porque son insuficientes para análisis requerido

La depuración de datos no es una tarea nueva en las bases de datos y es un paso clave en lo que se conoce como extracción, transformación y carga (ETL).

• Verdadero

• Falso