A
API
Una API es una interfaz de programación de aplicaciones, lo cual es, en pocas palabras, una forma de comunicación entre diferentes softwares, mediante protocolos relativamente sencillos, y consumibles mediante diversos lenguajes de programación.
Algoritmo
Conjunto de instrucciones que una máquina sigue para alcanzar un objetivo o conjunto de objetivos particulares.
Aprendizaje auto-supervisado
El aprendizaje auto-supervisado un tipo de machine learning que consiste en modelos que aprenden mediante algoritmos que generan sus propias etiquetas a partir de datos no etiquetados, tomando como punto de partida la definición y ejecución de una tarea de pretexto. La tarea de pretexto es una actividad inicial a ejecutar, diseñada para que el modelo aprenda características útiles de los datos, para posteriormente realizar tareas más específicas.
Aprendizaje no supervisado
Tipo de machine learning cuyo fin es generar algoritmos que identifiquen patrones en conjuntos de datos no etiquetados.
Aprendizaje por refuerzo
El aprendizaje por refuerzo es un método de aprendizaje de máquinas cuyo objetivo es entrenar un modelo mediante la búsqueda de las acciones adecuadas en una situación determinada que maximizan la probabilidad de obtener una recompensa específica.
Aprendizaje semi-supervisado
Tipo de machine learning que consiste en la creación de modelos de aprendizaje automático entrenados con montículos de datos combinados: grandes cantidades de datos no etiquetados con porciones más pequeñas de datos etiquetados.
Aprendizaje supervisado
El aprendizaje supervisado es un tipo de aprendizaje de máquinas cuyo objetivo es la generación automática de modelos matemáticos para la predicción de valores dado un conjunto de datos etiquetados, es decir, de datos tipificados en dos clases: de entrada y de salida, donde las entradas son las variables independientes a considerar por el modelo, y las salidas los valores de la variable dependiente.
B
C
Ciclo de vida de los datos
El ciclo de vida de los datos es el conjunto de etapas a través de las cuales los datos son transformados desde su recolección hasta el cumplimiento del objetivo u objetivos para los cuales fueron obtenidos, o hasta su destrucción (si es el caso).
Esto quiere decir que el ciclo de vida de los datos son las distintas formas evolutivas de los datos en cuanto a su formato, presentación y consumo a partir de que son adquiridos para la solución de un problema. Las etapas de este ciclo no están definidas universalmente, sino que existen versiones que se diversifican en el número de etapas y la definició nde cada una.
Colaboratory (Google)
Google Colaboratory es una plataforma en línea de Google que permite la creación, ejecución, almacenamiento y compartición de programas en Python en espacios de trabajo amigables y sencillos de utilizar.
Conjunto de datos
Cúmulo de información, generalmente dispuesto en tablas, que puede ser percibido como una unidad para su procesamiento computacional. Es la colección de datos de algún tópico, que se utiliza para alimentar un algoritmo de aprendizaje de máquinas.
Conjunto de datos de desarrollo
Subconjunto que se utiliza para determinar con qué rendimiento funciona el modelo operando sobre datos nuevos (que no pertenecen al conjunto de entrenamiento), permitiendo el ajuste en hiperpárametros para determinar cuáles generan los mejores resultados.
Conjunto de datos de entrenamiento
Subconjunto del conjunto de datos que se procesa para la extracción de patrones, y con ello ajustar automáticamente los parámetros que constituyen al modelo (de machine learning).
Conjunto de datos de prueba
Subconjunto de datos utilizado para evaluar el modelo de machine learning después de su etapa de entrenamiento y (si aplica) de ajuste de hiperparámetros.
Conocimiento
Síntesis y comprensión de la información para su aplicación a un problema o actividad.
D
Datos
En ciencias computacionales, un dato es una representación unitaria de fenómenos, entidades, o cualquier aspecto de estos, perceptibles directa o indirectamente, en una forma que pueda ser comunicada y almacenada efectivamente.
Datos cualitativos
Los datos cualitativos son un tipo de datos que describen entidades subjetivas o cualidades/carecterísticas de objetos, por lo que no se expresan matemáticamente. Se trata de información a la que no se le puede asignar un número de acuerdo a un sistema estandarizado, por lo que, generalmente, estos se recolectan y simbolizan en forma de texto.
Datos estructurados
Tipos de datos organizados en formatos que permiten su fácil almacenamiento y procesamiento.
Datos cuantitativos
Los datos cuantitativos son el tipo de datos que representan información mediante cifras o expresiones matemáticas equivalentes.
Tipo de datos no organizados en formatos predefinidos, lo cual dificulta su almacenamiento y procesamiento computacional.
Datos semi-estructurados
Tipo de datos organizados en formatos distintos a las formas relacionales, mantienen la información etiquetada, pero en una estructura no matricial (renglones y columnas).
E
Ecosistema de datos
Conjunto de elementos que interactúan con el fin de producir, organizar, controlar, almacenar, procesar, y compartir información.
Ejemplo de entrenamiento
Conjunto de entradas (atributos de los objetos que componen a un conjunto de datos) y su respectiva salida (información que tenemos como objetivo predecir/estimar).
Entradas
Características/atributos de los objetos que componen un conjunto de datos.
F
First Party Data
Los datos de fuente primaria, de primera mano, o first party data, son los conjuntos de datos recabados mediante medios propios por la misma persona, conjunto de personas, o asociados que pretenden utilizarlos, sin acudir a datos obtenidos por gente u organizaciones externas.
Función de pérdida
Una función de pérdida, función de error, o función de costo (loss function), es una función matemática que evalúa el desempeño de un modelo de aprendizaje automático calculando las diferencias entre los valores predichos por este, y los valores reales del conjunto de datos.
G
H
I
Información
Conjunto de datos organizados en formas significativas y útiles.
J
Jerarquía del conocimiento
Forma de definir las relaciones existentes entre los datos, información, conocimiento y sabiduría.
JSON
Formato de tipo textual utilizado para comunicación de información.
K
L
Limpieza de datos
Esta es generalmente la primera y más concurrida actividad dentro del preprocesamiento, consiste en la detección y corrección de inconsistencias en el conjunto de datos.
M
Machine Learning
El machine learning es una rama de las ciencias computacionales que estudia y desarrolla técnicas para la creación de sistemas capaces de concretar uno o más objetivos mediante algoritmos no explícitamente programados, a través de un proceso de aprendizaje el cual consiste en la extracción automática de patrones de conjuntos de datos.
Modelo de machine learning
Representación matemática de un proceso o sistema complejo que se utiliza para hacer predicciones o tomar decisiones basadas en datos. En términos generales, un modelo es una función matemática que describe la relación entre una entrada (o conjunto de entradas) y una salida (o conjunto de salidas).
N
O
P
Preprocesamiento
El preprocesamiento de datos es el conjunto de técnicas empleadas con el fin de preparar los datos para asegurar su calidad, viabilidad, y eficiencia de procesamiento computacional.
Python
Python es un lenguaje de programación de alto nivel, interpretado, orientado a objetos, y con semántica dinámica, que goza de una enorme y creciente popularidad entre los practicantes de la ciencia de datos. Entre sus principales bondades se encuentran la fácil legibilidad y sintaxis, bajo costo computacional, y enorme variedad de librerías.
Q
R
Reducción de datos
Consiste en la obtención de una representación más pequeña y estadísticamente significativa del conjunto de datos.
Regresión lineal
Método matemático que que consiste en modelar la ecuación de una recta que describe de manera aproximada la relación entre una variable dependiente y una variable independiente.
Regresión logística
La regresión logística es un método matemático cuyo objetivo es modelar la probabilidad de que un evento pertenezca a una o más categorías dados los valores de una o más variables independientes.
S
Sabiduría
Uso de conocimientos para actuar de la mejor manera ante cualquier situación. Trata sobre la acumulación de conocimientos y el discernimiento de cómo utilizarlos para satisfacer objetivos
Salidas
Objetivos a predecir por un algoritmo de aprendizaje supervisado, es decir, de los cuales se pretende realizar estimaciones matemáticas.
Second Party Data
Los datos de fuentes secundarias, de segunda mano, o second party data son aquellos conjuntos de datos que se obtienen de otras personas u organizaciones, quienes los recolectaron utilizando sus propios recursos (es decir, para ellos son first party data), y se suelen intercambiar, vender o hacer públicos, dependiendo de la entidad que los posea.
T
Terreno real
El terreno real o verdad fundamental se refiere a información que se sabe que es real o verdadera, proporcionada por observación y medición directas. En ciencia de datos se suele utilizar como referencia para evaluar la precisión de un modelo.
Third Party Data
Los datos de fuentes terciarias, de tercea mano, o third party data, son conjuntos de datos también provenientes de forma externa, pero que no fueron recolectados directamente por sus proveedores.
Transformación de los datos (preprocesamiento)
Modificación del conjunto de datos para acrecentar la facilidad con la que la computadora puede procesarlo.
U
V
W
Web Scraping
Técnica cuyo fin es la extracción de datos de páginas web.
X
Y
Z
