dc.contributor.advisor | Atoche Diaz, Wilmer Jhonny | |
dc.contributor.author | Ramos Torres, Jean Franco | |
dc.date.accessioned | 2022-01-11T01:46:24Z | |
dc.date.available | 2022-01-11T01:46:24Z | |
dc.date.created | 2020 | |
dc.date.issued | 2022-01-10 | |
dc.identifier.uri | http://hdl.handle.net/20.500.12404/21236 | |
dc.description.abstract | Este trabajo de investigación tiene la finalidad de brindar una guía de aprendizaje de los
conocimientos, a nivel general, que un profesional debe adquirir con la finalidad de
desempeñarse como Data Scientist. A través de este trabajo, se inicia enunciando lo que es
Data Science y lo que hace un Data Scientist, y en base a esto discernir cinco categorías de
actividades principales.
Partiendo de estas cinco actividades se desarrollan los siguientes apartados del primer
capítulo, en los que se presentan los conocimientos estadísticos, matemáticos e informáticos
que se deben poseer vinculados a cada una de las actividades. Aunque es de mencionar que los
conocimientos asociados a estas actividades principales son transversales entre sí para una
correcta aplicación del Data Science. También, se debe tener en cuenta que este trabajo solo
pretende brindar una pauta para los conocimientos base necesarios para desempeñarse en el
área de Data Science, esto implica que no se profundiza en temas relacionados a algoritmos de
modelos, de los cuales solo se harán mención por ser relevantes por sus aplicaciones.
En el segundo capítulo se mencionan distintas aplicaciones del Data Science en cuatro
industrias: servicios de salud, transporte, finanzas y e-commerce. En cada una de estos se
muestran distintos casos de aplicación de Data Science entre los que están las predicciones,
análisis de decisiones, detecciones de escenarios, optimizaciones, control de sistemas y
sistemas de recomendaciones. En cada una de estos casos se refieren de forma concisa los
procedimientos seguidos, pasando desde la recolección de los datos hasta el modelo de los
mismos, y mencionando los resultados logrados.
Finalmente, se presentan conclusiones recabadas de lo que implica una formación como
Data Science en la actualidad, así de como su importancia en los campos de aplicación, más
ahora, en tiempos donde hay más información disponible y mejores capacidades de cómputo. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Pontificia Universidad Católica del Perú | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ | * |
dc.subject | Procesamiento de datos | es_ES |
dc.subject | Ciencia--Procesamiento de datos | es_ES |
dc.subject | Planificación estratégica | es_ES |
dc.title | Fundamentos de data science y sus aplicaciones en distintas industrias | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
thesis.degree.name | Bachiller en Ciencias con mención en Ingeniería Industrial | es_ES |
thesis.degree.level | Bachillerato | es_ES |
thesis.degree.grantor | Pontificia Universidad Católica del Perú. Facultad de Ciencias e Ingeniería | es_ES |
thesis.degree.discipline | Ciencias con mención en Ingeniería Industrial | es_ES |
dc.type.other | Trabajo de grado de pregrado | |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.11.04 | es_ES |
dc.publisher.country | PE | es_ES |
renati.advisor.dni | 08134370 | |
renati.advisor.orcid | https://orcid.org/0000-0002-0923-7608 | es_ES |
renati.author.dni | 72466985 | |
renati.discipline | 722026 | es_ES |
renati.level | https://purl.org/pe-repo/renati/level#bachiller | es_ES |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion | es_ES |