Hispanopedia Wiki
Articulo de referencia

Ciencia de datos

La existencia del cometa NEOWISE (representado aquí como una serie de puntos rojos) fue descubierta mediante el análisis de datos de estudios astronómicos adquiridos por un tele...

Hispanopedia WikiContenido en espanolLectura gratuita

La existencia del cometa NEOWISE (representado aquí como una serie de puntos rojos) fue descubierta mediante el análisis de datos de estudios astronómicos adquiridos por un telescopio espacial , el Wide-field Infrared Survey Explorer .

La ciencia de datos es un campo académico interdisciplinario [ 1 ] que utiliza estadística , computación científica , métodos científicos , procesamiento, visualización científica , algoritmos , programación (como Python, SQL y R) y sistemas para extraer o extrapolar conocimiento de datos potencialmente ruidosos, estructurados o no estructurados . [ 2 ] Un científico de datos es un profesional que crea código de programación y lo combina con conocimientos estadísticos para resumir datos. [ 3 ]

Alcance de la ciencia de datos

La ciencia de datos desempeña un papel fundamental en la toma de decisiones moderna al permitir a las organizaciones extraer información útil de conjuntos de datos grandes y complejos. [ 4 ] La ciencia de datos también integra el conocimiento del dominio de aplicación subyacente (por ejemplo, ciencias naturales, tecnología de la información y medicina). [ 5 ] La ciencia de datos es multifacética y puede describirse como una ciencia, un paradigma de investigación, un método de investigación, una disciplina, un flujo de trabajo y una profesión. [ 6 ]

La ciencia de datos es "un concepto para unificar la estadística , el análisis de datos , la informática y sus métodos relacionados " para "comprender y analizar fenómenos reales " con datos . [ 7 ] Utiliza técnicas y teorías extraídas de muchos campos dentro del contexto de las matemáticas , la estadística , la informática , la ciencia de la información y el conocimiento del dominio . [ 8 ] Sin embargo, la ciencia de datos es distinta de la informática y la ciencia de la información. El ganador del Premio Turing, Jim Gray, imaginó la ciencia de datos como un "cuarto paradigma" de la ciencia ( empírica , teórica , computacional y ahora basada en datos) y afirmó que "todo en la ciencia está cambiando debido al impacto de la tecnología de la información " y el diluvio de datos . [ 9 ] [ 10 ]

La ciencia de datos se describe a menudo como un campo multidisciplinario y en rápida evolución, ya que se nutre de técnicas de diversas áreas, como la informática, la estadística, la ciencia de la información y otras disciplinas específicas. Algunos investigadores sostienen que la combinación de estos campos se asemeja a cómo era la ciencia de la información hace décadas. [ 11 ] Estas similitudes ayudan a comprender cómo la ciencia de datos se convirtió gradualmente en un campo de estudio propio. [ 11 ]

Cimientos

La ciencia de datos es un campo interdisciplinario [ 12 ] centrado en extraer conocimiento de conjuntos de datos generalmente grandes y aplicar dicho conocimiento para resolver problemas en otros dominios de aplicación. El campo abarca la preparación de datos para el análisis, la formulación de problemas de ciencia de datos, el análisis de datos y la síntesis de estos hallazgos. Por lo tanto, incorpora habilidades de informática, matemáticas, visualización de datos , diseño gráfico , comunicación y negocios . [ 13 ]

Vasant Dhar escribe que la estadística enfatiza los datos cuantitativos y la descripción. En contraste, la ciencia de datos se ocupa de datos cuantitativos y cualitativos (por ejemplo, de imágenes, texto, sensores, transacciones, información de clientes, etc.) y enfatiza la predicción y la acción. [ 14 ] Andrew Gelman de la Universidad de Columbia ha descrito la estadística como una parte no esencial de la ciencia de datos. [ 15 ] El profesor de Stanford, David Donoho, escribe que la ciencia de datos no se distingue de la estadística por el tamaño de los conjuntos de datos o el uso de la computación y que muchos programas de posgrado anuncian engañosamente su formación en análisis y estadística como la esencia de un programa de ciencia de datos. Describe la ciencia de datos como un campo aplicado que surge de la estadística tradicional. [ 16 ]

Etimología

Uso temprano

En 1962, John Tukey describió un campo que denominó " análisis de datos ", similar a la ciencia de datos moderna. [ 16 ] En 1985, en una conferencia impartida a la Academia China de Ciencias en Pekín, C. F. Jeff Wu utilizó por primera vez el término "ciencia de datos" como nombre alternativo para la estadística. [ 17 ] Posteriormente, los asistentes a un simposio de estadística celebrado en 1992 en la Universidad de Montpellier  II reconocieron el surgimiento de una nueva disciplina centrada en datos de diversos orígenes y formas, que combina conceptos y principios establecidos de estadística y análisis de datos con la informática. [ 18 ] [ 19 ]

El término "ciencia de datos" se remonta a 1974, cuando Peter Naur lo propuso como nombre alternativo para la informática. En su libro de 1974, Concise Survey of Computer Methods, Peter Naur propuso usar el término "ciencia de datos" en lugar de "informática" para reflejar el creciente énfasis en los métodos basados ​​en datos [ 20 ] [ 8 ] En 1996, la Federación Internacional de Sociedades de Clasificación se convirtió en la primera conferencia en presentar específicamente la ciencia de datos como tema. [ 8 ] Sin embargo, la definición aún estaba en constante cambio. Después de la conferencia de 1985 en la Academia China de Ciencias en Beijing, en 1997 C. F. Jeff Wu sugirió nuevamente que la estadística debería ser renombrada como ciencia de datos. Argumentó que un nuevo nombre ayudaría a la estadística a deshacerse de estereotipos inexactos, como ser sinónimo de contabilidad o limitarse a describir datos. [ 21 ] En 1998, Hayashi Chikio defendió la ciencia de datos como un concepto nuevo e interdisciplinario, con tres aspectos: diseño de datos, recopilación y análisis. [ 19 ]

Uso moderno

En 2012, los tecnólogos Thomas H. Davenport y DJ Patil declararon "Científico de datos: el trabajo más atractivo del siglo XXI" [ 22 ] , una frase que incluso periódicos de gran tirada como el New York Times [ 23 ] y el Boston Globe [ 24 ] adoptaron . Una década después, la reafirmaron, afirmando que "este trabajo tiene más demanda que nunca entre los empleadores" [ 25 ] .

La concepción moderna de la ciencia de datos como una disciplina independiente se atribuye a veces a William S. Cleveland . [ 26 ] En 2014, la Sección de Aprendizaje Estadístico y Minería de Datos de la Asociación Estadounidense de Estadística cambió su nombre a Sección de Aprendizaje Estadístico y Ciencia de Datos, lo que refleja la creciente popularidad de la ciencia de datos. [ 27 ]

El título profesional de "científico de datos" se atribuyó a DJ Patil y Jeff Hammerbacher en 2008. [ 28 ] Aunque fue utilizado por la Junta Nacional de Ciencias en su informe de 2005 "Colecciones de datos digitales de larga duración: Facilitando la investigación y la educación en el siglo XXI", se refería ampliamente a cualquier rol clave en la gestión de una colección de datos digitales . [ 29 ]

Ciencia de datos y análisis de datos

Estadísticas descriptivas y diagramas de dispersión que muestran el conjunto de datos de doce elementos de Datasaurus.
Ejemplo de análisis exploratorio de datos utilizando el conjunto de datos de docenas de Datasaurus.

El análisis de datos generalmente implica trabajar con conjuntos de datos estructurados para responder preguntas específicas o resolver problemas concretos. Esto puede incluir tareas como la limpieza y la visualización de datos para resumirlos y formular hipótesis sobre las relaciones entre variables . Los analistas de datos suelen utilizar métodos estadísticos para probar estas hipótesis y extraer conclusiones de los datos. [ 30 ]

La ciencia de datos implica trabajar con conjuntos de datos más grandes que a menudo requieren métodos computacionales y estadísticos avanzados para su análisis. Los científicos de datos suelen trabajar con datos no estructurados, como texto o imágenes, y utilizan algoritmos de aprendizaje automático para construir modelos predictivos. La ciencia de datos suele emplear análisis estadísticos , preprocesamiento de datos y aprendizaje supervisado . [ 31 ] [ 32 ]

Computación en la nube para la ciencia de datos

Una arquitectura basada en la nube para habilitar el análisis de big data. Los datos fluyen desde diversas fuentes, como ordenadores personales , portátiles y teléfonos inteligentes , a través de servicios en la nube para su procesamiento y análisis, lo que finalmente da lugar a diversas aplicaciones de big data .

La computación en la nube puede ofrecer acceso a grandes cantidades de potencia computacional y almacenamiento . [ 33 ] En el ámbito del big data , donde se generan y procesan continuamente grandes volúmenes de información, estas plataformas pueden utilizarse para gestionar tareas analíticas complejas y que requieren muchos recursos. [ 34 ]

Algunos marcos de computación distribuida están diseñados para manejar grandes cargas de trabajo de datos. Estos marcos permiten a los científicos de datos procesar y analizar grandes conjuntos de datos en paralelo, lo que puede reducir los tiempos de procesamiento. [ 35 ]

Consideraciones éticas en la ciencia de datos

La ciencia de datos implica la recopilación, el procesamiento y el análisis de datos, que a menudo incluyen información personal y sensible. Las preocupaciones éticas incluyen posibles violaciones de la privacidad, perpetuación de sesgos e impactos sociales negativos. [ 36 ] [ 37 ]

Los modelos de aprendizaje automático pueden amplificar los sesgos existentes presentes en los datos de entrenamiento, lo que lleva a resultados discriminatorios o injustos. [ 38 ] [ 39 ]

Véase también

Referencias

  1. ↑ Donoho, David (2017). "50 años de ciencia de datos" . Journal of Computational and Graphical Statistics . 26 (4): 745– 766. doi : 10.1080/10618600.2017.1384734 . S2CID 114558008 . 
  2. ↑ Dhar, V. (2013). "Ciencia de datos y predicción" . Communications of the ACM . 56 (12): 64– 73. doi : 10.1145/2500499 . S2CID 6107147. Archivado del original el 9 de noviembre de 2014. Recuperado el 2 de septiembre de 2015 . 
  3. ↑ Davenport, Thomas H.; Patil, DJ (octubre de 2012). "Científico de datos: el trabajo más atractivo del siglo XXI" . Harvard Business Review . 90 (10): 70– 76, 128. PMID 23074866. Recuperado el 18 de enero de 2016 . 
  4. ↑ Provost, Foster; Fawcett, Tom (2013). "Ciencia de datos y su relación con el Big Data y la toma de decisiones basada en datos". La ciencia de datos se utiliza cada vez más en sectores como la sanidad, las finanzas y el análisis empresarial para mejorar la toma de decisiones. La ciencia de datos se utiliza cada vez más en sectores como la sanidad, las finanzas y el análisis empresarial para mejorar la toma de decisiones. Big Data . 1 (1): 51–59. doi:10.1089/big.2013.1508.
  5. ↑ Danyluk, A.; Leidig, P. (2021). Competencias informáticas para planes de estudio de ciencia de datos de pregrado (PDF) . Informe final del Grupo de Trabajo de Ciencia de Datos de la ACM (Informe).
  6. ^ Mike, Koby; Hazzan, Orit (20 de enero de 2023). "¿Qué es la ciencia de datos?" . Comunicaciones de la ACM . 66 (2): 12– 13. doi : 10.1145/3575663 . ISSN 0001-0782 . 
  7. ↑ Hayashi, Chikio (1 de enero de 1998). "¿Qué es la ciencia de datos ? Conceptos fundamentales y un ejemplo heurístico" . En Hayashi, Chikio; Yajima, Keiji; Bock, Hans-Hermann; Ohsumi, Noboru; Tanaka, Yutaka; Baba, Yasumasa (eds.). Ciencia de datos, clasificación y métodos relacionados . Estudios en clasificación, análisis de datos y organización del conocimiento. Springer Japan. pp. 40–51 . doi : 10.1007/978-4-431-65950-1_3 . ISBN   978-4-431-70208-5.
  8. 1 2 3 Cao, Longbing (29 de junio de 2017). "Ciencia de datos: una visión general integral" . ACM Computing Surveys . 50 (3): 43:1–43:42. arXiv : 2007.03606 . doi : 10.1145/3076253 . ISSN 0360-0300 . S2CID 207595944 .  
  9. ↑ Tony Hey; Stewart Tansley; Kristin Michele Tolle (2009). El cuarto paradigma: descubrimiento científico intensivo en datos . Microsoft Research. ISBN 978-0-9825442-0-4Archivado del original el 20 de marzo de 2017 .
  10. ↑ Bell, G.; Hey, T.; Szalay, A. (2009). "Ciencias de la Computación: Más allá del diluvio de datos". Science . 323 (5919): 1297– 1298. doi : 10.1126/science.1170411 . ISSN 0036-8075 . PMID 19265007 . S2CID 9743327 .   
  11. 1 2 Mayernik, Matthew S. (14 de junio de 2023). "La ciencia de datos como una interdisciplina: paralelismos históricos con la ciencia de la información" . Data Science Journal . 22 (1) 16. doi : 10.5334/dsj-2023-016 . ISSN 1683-1470 . 
  12. ↑ Emmert-Streib, Frank; Dehmer, Matthias (2018). "Definiendo la ciencia de datos mediante una cuantificación de la comunidad basada en datos" . Machine Learning and Knowledge Extraction . 1 : 235–251 . doi : 10.3390/make1010015 .
  13. ↑ "1. Introducción: ¿Qué es la ciencia de datos?". Haciendo ciencia de datos . O'Reilly. 2013. ISBN 978-1-4493-6387-1Consultado el 3 de abril de 2020 .
  14. ↑ Vasant Dhar (1 de diciembre de 2013). "Ciencia de datos y predicción" . Communications of the ACM . 56 (12): 64–73 . doi : 10.1145/2500499 . S2CID 6107147 . 
  15. ↑ "La estadística es la parte menos importante de la ciencia de datos « Modelado estadístico, inferencia causal y ciencias sociales" . statmodeling.stat.columbia.edu . Consultado el 3 de abril de 2020 . 
  16. 1 2 Donoho, David (18 de septiembre de 2015). "50 años de ciencia de datos" (PDF) . Recuperado el 2 de abril de 2020 .
  17. ↑ Wu, CF Jeff (1986). "Direcciones futuras de la investigación estadística en China: una perspectiva histórica" ​​(PDF) . Aplicación de la estadística y la gestión . 1 : 1–7 . Recuperado el 29 de noviembre de 2020 .
  18. ↑ Escoufier, Yves; Hayashi, Chikio; Fichet, Bernard, eds. (1995). Ciencia de datos y sus aplicaciones . Tokio: Academic Press/Harcourt Brace. ISBN 0-12-241770-4. OCLC 489990740 . 
  19. 1 2 Murtagh, Fionn; Devlin, Keith (2018). "El desarrollo de la ciencia de datos: implicaciones para la educación, el empleo, la investigación y la revolución de datos para el desarrollo sostenible" . Big Data and Cognitive Computing . 2 (2): 14. doi : 10.3390/bdcc2020014 .
  20. ↑ "¿Qué es la ciencia de datos? "
  21. ↑ Wu, C. F. Jeff. "¿Estadística = Ciencia de datos?" (PDF) . Consultado el 2 de abril de 2020 . 
  22. ↑ Davenport, Thomas (1 de octubre de 2012). "Científico de datos: el trabajo más atractivo del siglo XXI" . Harvard Business Review . Consultado el 10 de octubre de 2022 .
  23. ↑ Miller, Claire (4 de abril de 2013). "Ciencia de datos: los números de nuestras vidas" . New York Times . Ciudad de Nueva York . Recuperado el 10 de octubre de 2022 .
  24. ↑ Borchers, Callum (11 de noviembre de 2015). "Entre bastidores del 'trabajo más sexy del siglo XXI'"" . Boston Globe . Boston . Consultado el 10 de octubre de 2022 .
  25. ↑ Davenport, Thomas (15 de julio de 2022). "¿Sigue siendo el científico de datos el trabajo más atractivo del siglo XXI?" . Harvard Business Review . Consultado el 10 de octubre de 2022 .
  26. ↑ William S. Cleveland (abril de 2001). "Ciencia de datos: un plan de acción para expandir las áreas técnicas del campo de la estadística". Revista Estadística Internacional . 69 (1): 21– 26. doi : 10.1111/J.1751-5823.2001.TB00477.X . ISSN 0306-7734 . JSTOR 1403527. S2CID 39680861. Zbl 1213.62003 . Wikidata Q134576907 .     
  27. ↑ Talley, Jill (1 de junio de 2016). "ASA amplía su alcance y divulgación para fomentar el crecimiento y la colaboración en la ciencia de datos" . Noticias de Amstat . Asociación Estadounidense de Estadística .En 2013, la primera Conferencia Europea sobre Análisis de Datos (ECDA2013) dio inicio en Luxemburgo al proceso que fundó la Asociación Europea para la Ciencia de Datos (EuADS) www.euads.org en Luxemburgo en 2015.
  28. ↑ Davenport, Thomas H.; Patil, DJ (1 de octubre de 2012). "Científico de datos: el trabajo más atractivo del siglo XXI" . Harvard Business Review . N.° octubre de 2012. ISSN 0017-8012 . Consultado el 3 de abril de 2020 .  
  29. ↑ "US NSF – NSB-05-40, Colecciones de datos digitales de larga duración que permiten la investigación y la educación en el siglo XXI" . www.nsf.gov . Consultado el 3 de abril de 2020 .
  30. ↑ James, Gareth ; Witten, Daniela ; Hastie, Trevor ; Tibshirani, Robert (29 de septiembre de 2017). Una introducción al aprendizaje estadístico: con aplicaciones en R. Springer.
  31. ↑ Provost, Foster; Tom Fawcett (1 de agosto de 2013). "Ciencia de datos para los negocios: lo que necesita saber sobre minería de datos y pensamiento analítico de datos" . O'Reilly Media, Inc.
  32. ↑ Han, Kamber; Pei (2011). Minería de datos: conceptos y técnicas . ISBN 978-0-12-381479-1.
  33. ^ Hashem, Ibrahim Abaker Targio; Yaqoob, Ibrar; Anuar, Nor Badrul; Mokhtar, Salimah; Gani, Abdullah; Ullah Khan, Samee (2015). "El auge del" big data "en la computación en la nube: revisión y temas abiertos de investigación" . Sistemas de Información . 47 : 98– 115. doi : 10.1016/j.is.2014.07.006 .
  34. ^ Qiu, Junfei; Wu, Qihui; Ding, Guoru; Xu, Yuhua; Feng, Shuo (2016). "Un estudio sobre el aprendizaje automático para el procesamiento de big data" . Revista EURASIP sobre avances en el procesamiento de señales . 2016 (1) 67. Código Bib : 2016EJASP2016...67Q . doi : 10.1186/s13634-016-0355-x . ISSN 1687-6180 . 
  35. ↑ Armbrust, Michael; Xin, Reynold S.; Lian, Cheng; Huai, Yin; Liu, Davies; Bradley, Joseph K.; Meng, Xiangrui; Kaftan, Tomer; Franklin, Michael J.; Ghodsi, Ali; Zaharia, Matei (27 de mayo de 2015). "Spark SQL: Procesamiento de datos relacionales en Spark" . Actas de la Conferencia Internacional ACM SIGMOD 2015 sobre Gestión de Datos . ACM. págs. 1383–1394 . doi : 10.1145/2723372.2742797 . ISBN  978-1-4503-2758-9.
  36. ↑ Floridi, Luciano ; Taddeo, Mariarosaria (28 de diciembre de 2016). "¿Qué es la ética de los datos?" . Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences . 374 (2083) 20160360. Bibcode : 2016RSPTA.37460360F . doi : 10.1098/rsta.2016.0360 . ISSN 1364-503X . PMC 5124072. PMID 28336805 .   
  37. ↑ Mittelstadt, Brent Daniel; Floridi, Luciano (2016). "La ética de los macrodatos: problemas actuales y previsibles en contextos biomédicos" . Ética de la ciencia y la ingeniería . 22 (2): 303– 341. doi : 10.1007/s11948-015-9652-2 . ISSN 1353-3452 . PMID 26002496 .  
  38. ↑ Barocas, Solon; Selbst, Andrew D (2016). "El impacto dispar del Big Data" . California Law Review . doi : 10.15779/Z38BG31 – vía Berkeley Law Library Catalog.
  39. ↑ Caliskan, Aylin; Bryson, Joanna J. ; Narayanan, Arvind (14 de abril de 2017). "La semántica derivada automáticamente de corpus lingüísticos contiene sesgos similares a los humanos" . Science . 356 (6334): 183– 186. arXiv : 1608.07187 . Bibcode : 2017Sci...356..183C . doi : 10.1126/science.aal4230 . ISSN 0036-8075 . 
Lecturas relacionadas
6 articulos
Cometa NEOWISECometa NEOWISEEl cometa NEOWISE (C/2020 F3) es un cometa de largo período con una órbita casi parabólica descubierto el 27 de marzo de 2020 por astrónomos durant...Astronomical surveyAstronomical surveyAn astronomical survey is a general map or image of a region of the sky (or of the whole sky) that lacks a specific observational target. Alternati...Telescopio espacialTelescopio espacialUn telescopio espacial (también conocido como observatorio espacial ) es un telescopio en el espacio exterior utilizado para observar objetos astro...Explorador de estudios infrarrojos de campo amplioExplorador de estudios infrarrojos de campo amplioWide-field Infrared Survey Explorer ( WISE , código de observatorio C51, Explorer 92 y MIDEX-6 ) fue un telescopio espacial de astronomía infrarroj...InterdisciplinariedadLa interdisciplinariedad , [ 1 ] también conocida como estudios interdisciplinarios , es la combinación de múltiples disciplinas académicas en una ...EstadísticaEstadísticaLa distribución normal , una densidad de probabilidad muy común , se utiliza ampliamente en estadística inferencial . Los diagramas de dispersión y...