Presentación del curso

Curso: Análisis de datos

Phd (c) Melanie Oyarzún - melanie.oyarzun@udd.cl

Magíster en Data Science - Universidad del Desarrollo

Bienvenida al curso

Hola! Soy Melanie y seré la docente de este curso, en el que aprenderás los fundamentos del análisis de datos, tanto desde una perspectiva teórica como práctica (en python).

Me pueden contactar al mail melanie.oyarzun@udd.cl

Un poco sobre mi:

En la sesión de hoy:

  1. Revisaremos los objetivos del curso, metodología, calendario y evaluaciones.
  2. Revisaremos algunos principios de como plantear y responder preguntas con datos
  3. En ese contexto, realizaremos un breve repaso a pruebas de hipótesis.

Descripción del curso

  • Esta asignatura presentará los conceptos básicos de pre-procesamiento y análisis descriptivo de datos.

  • El objetivo principal es poder determinar cuáles datos son susceptibles de ser convertidos en información para apoyar la toma de decisiones, y separar el ruido de la señal.

Descripción del curso

  • Es el primer paso en un proyecto de ciencia de datos.
  • Los estudiantes aprenderán a identificar
    • las problemáticas que presentan los datos desde el momento de su registro (por ej., error muestral, outliers),
    • así como usar las herramientas necesarias para describirlos (por ej., distribuciones e histogramas),

Descripción del curso

  • explorarlos (por ej., agrupar o filtrar bajo un criterio específico),

  • y cruzarlos (por ej., utilizando otras fuentes).

  • Asimismo, los estudiantes comprenderán que las etapas de este proceso no son lineales, sino que se benefician del diseño iterativo.

Contexto en el programa de magister

  • Esta asignatura se enmarca en la línea de desarrollo de data science.
  • Esta asignatura tributa, a través de sus resultados de aprendizaje, a las siguientes competencias del perfil de egreso del Magíster en Data Science:
    • Aplicar teorías, algoritmos, métodos, técnicas y herramientas básicas y avanzadas de Data Science para analizar, resolver y hacer una evaluación crítica de desafíos complejos e interdisciplinarios, utilizando datos internos y externos de las organizaciones.

Contexto en el programa de magister

  • Comunica efectivamente y argumenta sobre los resultados de su trabajo a públicos especializados y no especializados, de forma oral, escrita y visual, utilizando distintos medios y soportes.
  • Demuestra responsabilidad y comportamiento ético, cumpliendo los protocolos y normas que guían su desempeño, en las iniciativas de Data science.
  • Demuestra capacidad de aprendizaje continuo, mediante la aplicación de estrategias para utilizar nuevo conocimiento en data science en su ámbito de desempeño.

Objetivos de la asignatura

Resultados de aprendizaje

  1. Identificar las ventajas y desventajas de las herramientas computacionales utilizadas para el análisis de datos, utilizando lenguaje técnico afín.
  2. Recopilar y limpiar datos, en base a una propuesta de replicabilidad del proceso.

Objetivos de la asignatura

Resultados de aprendizaje

  1. Transformar y analizar datos, realizando preguntas clave para resolver problemas a partir del contexto en que se desarrollan.
  2. Modelar datos para extraer información y generar conclusiones basadas en evidencia.
  3. Identificar las buenas prácticas en el modelamiento de datos.

Contenidos

  1. Limpieza y estructura de datos.
  2. Regresión y predicción.
  3. Series de tiempo

Contenidos

1. Limpieza y estructura de datos.

a. Formateo de datos
b. Transformación de datos
c. ETL

Contenidos

2. Regresión y predicción.

a. Regresión lineal múltiple.
b. Predicción usando regresión y los peligros de la extrapolación.
c. Factores y variables categóricas en una regresión.
d. Multicolinealidad, variables de confusión e interacciones.
e. Diagnóstico de una regresión y supuestos (outliers, heterocedasticidad, no-normalidad, errores correlacionados y no-linealidad)
f. Sesgos en los análisis: Paradoja de Simpson, Paradoja de Berkson y Collider Bias.

Contenidos

3. Series de tiempo

a. Búsqueda y reorganización de datos de series de tiempo
b. Análisis de datos exploratorios para series temporales
    i. Histogramas, gráfico de dispersión y métodos exploratorios para series de tiempo
    ii. Estacionariedad y raíz unitaria
    iii. Autocorrelación y correlaciones espurias en series de tiempo
c. Modelos estadísticos para series de tiempo
    i. ¿Por qué no utilizar una regresión lineal?
    ii. Modelos autorregresivos (AR), ARIMA y Autorregresión vectorial (VAR)
    iii. Ventajas y desventajas de los métodos estadísticos para series de tiempo

Evaluación

  • El curso tendrá dos evaluaciones basadas en el trabajo en clase y refuerzo de los contenidos fuera del horario lectivo.

    1. Talleres de aplicación (30%)
    2. Proyecto final (70%)

  • Todas las evaluaciones se realizarán mediante un set de rubricas, publicadas en Canva.

Evaluación

Talleres de aplicacion (30%)

  • Durante las clases se desarrollará un taller que aplique los contenidos desarrollados en cada una de las tres principales unidades. Se pueden trabajar de manera individual, o en grupo de hasta 3 personas.

    • Taller 1: Limpieza, análisis descriptivo de datosy pruebas de hipótesis (repasa elementos del curso anterior) (sesión 1 - 2)
    • Taller 2: Análisis de regresión. (Sesiones  3-4)
    • Taller 3: Análisis de serie de tiempo (sesiones 5-6)

Evaluación

Talleres de aplicacion (30%) (cont.)

  • La mayoría del taller se espera lo puedan responder durante la clase, sin embargo tendrán una semana de margen para su entrega. Estos se deben entregar en la plataforma canvas, en PDF (para su evaluación) y en .ipynb/.qmd, que será corroborado que se pueda ejecutar y sea consistente con el pdf. 

  • stos se evaluarán de acuerdo a la rubrica talleres de aplicacion

  • Una vez sean entregados los talleres, se hará publica una pauta de desarrollo de cada taller.

Evaluación

Proyecto de análisis de datos (70%)

  • Vamos a desarrollar durante el curso un proyecto.
  • En este deben elegir un conjunto de datos, a proponer una pregunta e hipótesis a testear, desarrollar análisis (de regresión o serie de tiempo) y concluir en base a sus resultados obtenidos, mencionando las limitaciones de su análisis.
  • El proyecto se debe realizar en grupos entre 3 a 5 personas.

Evaluación

Proyecto de análisis de datos (70%)

Este proyecto se evaluará entonces en base a tres elementos:

  1. Avance durante la clase (20%)
  2. Reporte de análisis y resultados (20%)
  3. Presentación oral final (30%)

Proyecto de análisis de datos

Avance en clase ( 20% )

  • Algunos elementos del proyecto serán desarrollados durante tiempo de clase, pero se espera que la profundización sea llevada en el tiempo lectivo dedicado al curso.

  • NO ES SUFICIENTE PARA TERMINAR EL TRABAJO COMPLETO.

  • Rubrica de trabajo en clase (se evalúa al final de la clase)

    • Asistencia y participación
    • Planteamiento de problemas 
    • Desarrollo
    • Resultados, interpretación y conclusiones

Proyecto de análisis de datos

Reporte de análisis y resultados (20%)

  • Deben documentar su análisis de datos mediante un notebook. Este se revisará en si mismo, para fomentar las buenas prácticas y reproducibilidad de su análisis.

    Rubrica de notebook reporte de análisis

    • Entrega a tiempo
    • Uso correcto del lenguaje y redacción a nivel profesional
    • Orden
    • Calidad de código
    • Consistencia con presentación

Proyecto de análisis de datos

Presentación oral final (30%)

  • En la última sesión del curso, cada grupo debe presentar su análisis y resultados.
  • Esta presentación será de 10 minutos por grupo y 5 minutos para preguntas, las cuales serán dirigidas a cada estudiante del grupo.

Calendario por sesión:

Curso Análisis de Datos - Sesión 1