Práctica de Ciencia de Datos de Principio a Fin con Knime

Resumen

The course starts with a top down approach to data science projects. The first step is covering data science project management techniques and we follow CRISP-DM methodology with 6 steps below:

Programa

• **Introducción a los Proyectos de Ciencia de Datos**
Visión general de la Ciencia de Datos
Importancia de la Gestión de Proyectos en Ciencia de Datos
Introducción a la Metodología CRISP-DM
• **Entendimiento del Negocio**
Definición de Objetivos del Proyecto
Evaluación de la Viabilidad del Proyecto
Identificación de los Principales Interesados
Traducción de los Objetivos Empresariales en Objetivos de Ciencia de Datos
• **Entendimiento de los Datos**
Técnicas de Recolección de Datos
Exploración y Perfilado de Datos en Knime
Identificación de Problemas de Calidad de Datos
Visualización Inicial de Datos
• **Preparación de los Datos**
Limpieza y Preprocesamiento de Datos en Knime
Ingeniería de Características
Técnicas de Transformación de Datos
Manejo de Datos Faltantes y Valores Atípicos
• **Modelado**
Elección de Técnicas de Modelado Apropiadas
Construcción y Prueba de Modelos en Knime
Ajuste de Hiperparámetros
Estrategias de Validación Cruzada
• **Evaluación**
Métricas de Desempeño del Modelo
Validación y Evaluación de los Resultados del Modelo
Alineación con los Objetivos Empresariales
Interpretación de Resultados para los Interesados
• **Despliegue**
Estrategias de Despliegue del Modelo en Knime
Monitoreo y Mantenimiento del Modelo
Creación de un Flujo de Trabajo de Despliegue en Knime
• **Aplicación de Estudio de Caso**
Aplicación de CRISP-DM a un Escenario del Mundo Real
Trabajo en Proyectos en Equipo en Knime
Presentación de Resultados y Recomendaciones
• **Conclusión y Cierre del Curso**
Lecciones Aprendidas del Prácticum
Consejos para el Aprendizaje Continuo en Ciencia de Datos
Recursos para el Estudio Continuo en Knime y Ciencia de Datos

---

Impartido por

Prof. Dr. Şadi Evren Şeker

---

Materias

Data Science