Ciencia de datos

obtén valor del dato

El nombre Ciencia de Datos es un rebranding de la ya clásica disciplina de la Minería de Datos, para adaptarse a los nuevos tiempos en los que es necesario operar en entornos Big Data y emplear nuevos paradigmas computacionales más allá del Machine Learning convencional, como es el Deep Learning ejecutándose en GPUs.

Obtener valor del dato no sólo es una ciencia sino también un arte. Por esa razón, los proyectos de Ciencia de Datos no siguen la estructura lineal de fases de la Ingeniería del Software (Requisitos >> Diseño >> Implementación >> Pruebas >> Explotación) sino el llamado Cross-industry standard process for data mining (CRISP-DM). Se trata de un proceso cíclico en el que se va aprendiendo más sobre el negocio y sobre los datos con cada iteración.

Cross-industry standard process for data mining (CRISP-DM)

 

Las empresas pueden emplear la Ciencia de Datos como una estrategia de negocio para obtener más valor de la información de la que disponen. Para ello, el científico de datos no debe limitarse a obtener modelos, sino que debe emplear el demasiado poco conocido Marco de Trabajo del Valor Esperado (Expected Value Framework), descomponiendo el problema en subproblemas modelizables y recomponiéndolo según una fórmula matemática de maximización del beneficio esperado.

 

TheBrainSphere cuenta con una red de profesionales expertos, capaces de formar los equipos multidisciplinares necesarios para acometer cualquier proyecto de Ciencia de Datos.