Please enable JavaScript.

Coggle requires JavaScript to display documents.

Data Science - Curso 2 - Coggle Diagram

- - - - Las categorías de tareas que un científico de datos debe realizar son:
        
        2- Integración y Transformación de Datos
        
        Es el proceso de extracción, transformación y carga de datos. Esto se llama "ETL" (Extract, Transform, and Load).
        
        Extract
        
        Algunos de estos datos se distribuyen en varios repositorios.
        
        Extraiga datos de múltiples repositorios y guárdelos en un almacén central para análisis de datos.
        
        Transform
        
        Load
        
        1 more item...
        
        La transformación de datos es el proceso de transformar los valores, la estructura y el formato de los datos.
        
        Las herramientas de código abierto de integración y transformación de datos son Apache AirFlow, KubeFlow, Apache Kafka, Apache Nifi, Apache SparkSQL y NodeRED.
        
        Las herramientas comerciales de integración de datos las proporcionan principalmente Informatica PowerCenter e IBM InfoSphere DataStage.A estos les siguen productos de SAP, Oracle, SAS, Talend, Microsoft y Watson Studio Desktop.
        
        3- Visualización de datos
        
        Es la representación gráfica de datos e información.
        
        Puede utilizar la visualización para representar datos en forma de gráficos, diagramas, mapas, animaciones, etc.
        
        La visualización de datos transmite datos de manera más efectiva para los tomadores de decisiones.
        
        Es un paso crucial en el proceso de ciencia de datos.
        
        1 more item...
        
        4- Construcción del modelo
        
        Aquí es donde entrena los datos y analiza patrones con algoritmos de aprendizaje automático. El sistema 'aprende' a proporcionar predicciones o decisiones por sí mismo.
        
        Luego puede usar este modelo para hacer predicciones sobre datos nuevos e invisibles.
        
        La construcción de modelos se puede realizar mediante un servicio llamado IBM Watson Machine Learning.
        
        Las herramientas de código abierto de implementación de modelos son Apache PredictionIO, Seldon, Kubernetes, Redhat OpenShift, Mleap, servicio TensorFlow, TensorFlow lite y TensorFlow dot JS.
        
        Las herramientas de creación de modelos son SPSS Modeler y SAS Enterprise Miner.SPSS Modeler también está disponible en Watson Studio Desktop.
        
        5- Despliegue del modelo
        
        Es la implementación del modelo: el proceso de integración de un modelo desarrollado en un entorno de producción.
        
        En la implementación del modelo, se pone a disposición un modelo de aprendizaje automático a aplicaciones de terceros a través de API. Los usuarios comerciales pueden acceder e interactuar con los datos a través de estas aplicaciones de terceros. Y esto les ayuda a tomar decisiones basadas en datos.
        
        Ejemplo, SPSS Collaboration and Deployment Services se puede utilizar para implementar cualquier tipo de activo creado por el paquete de herramientas de software SPSS.
        
        SPSS Collaboration and Deployment Services es una plataforma que forma parte del conjunto de herramientas de IBM SPSS Statistics, diseñado para permitir la colaboración y el despliegue de modelos y análisis de datos en una organización.
        
        6- Modelo de Monitoreo y Evaluación
        
        El monitoreo y la evaluación del modelo ejecutan controles de calidad continuos para garantizar la precisión, equidad y robustez de un modelo.
        
        El monitoreo de modelos utiliza herramientas como Fiddler para rastrear el rendimientode modelos desplegados en un entorno de producción.
        
        la evaluación del modelo utiliza métricas de evaluación como la puntuación F1, la tasa de verdaderos positivos,o la suma del error cuadrático para comprender el rendimiento de un modelo.
        
        Un ejemplo bien conocido es la escala IBM Watson Open, que monitorea continuamente los modelos implementados de aprendizaje automático y aprendizaje profundo. Mejorará la precisión y la calidad de sus predicciones.
        
        1 more item...
        
        1- Gestión de datos
        
        Es el proceso de recopilar, conservar y recuperar datos de forma segura, eficiente y rentable.
        
        Los datos se recopilan de muchas fuentes, como Twitter, Flipkart, medios, sensores y más.
        
        Almacene los datos recopilados en almacenamiento persistente para que estén disponibles cuando los necesite.
        
        Las herramientas de código abierto de gestión de datos son MySQL, PostgreSQL, MongoDB, Apache CouchDB, Apache Cassandra, Hadoop File System, Ceph y elastic search
        
        Para realizar estas tareas necesita:
        
        La gestión de activos de datos
        
        Como científico de datos, desea almacenar y organizar correctamente todas sus imágenes, videos,texto y otros datos en una ubicación central.
        
        También desea controlar quién puede acceder, editar y administrar sus datos.
        
        La gestión de activos de datos también llamada gestión de activos digitales (DAM),es la organización y gestión de datos importantes recopilados de diferentes fuentes.
        
        1 more item...
        
        La gestión de activos de código
        
        Proporciona una vista unificada en la que administra un inventario de activos.
        
        Cuando desee desarrollar un modelo, es posible que deba actualizarlo, corregir errores,o mejorar las características del código de forma incremental.Todo esto requiere control de versiones.
        
        Al trabajar en un modelo, equipa un repositorio centralizado donde todos pueden cargar, editar, y administrar los archivos de código simultáneamente.
        
        1 more item...
        
        Entornos de ejecución
        
        Un entorno de ejecución tiene bibliotecas para compilar el código fuente y los recursos del sistema que ejecutan y verifican el código.
        
        Los entornos de ejecución basados en la nube no están vinculados a ningún hardware o software específico, y ofrecen herramientas como IBM Watson Studio para preprocesamiento de datos, entrenamiento de modelos e implementación.
        
        Herramientas de código abierto para la ciencia de datos:
        
        1 more item...
        
        Entornos de desarrollo
        
        También llamados Entornos de Desarrollo Integrados, o Los "IDE" proporcionan un espacio de trabajo y herramientas para desarrollar, implementar, ejecutar, probar e implementar el código fuente.
        
        Los IDE como IBM Watson Studio proporcionan herramientas de prueba y simulación para emular el mundo real para que pueda ver cómo se comportará su código después de que se implemente.
        
        Herramientas de código abierto para la ciencia de datos:
        
        4 more items...
        
        Herramientas comerciales visuales totalmente integradas como IBM Watson Studio yIBM Cognos Dashboard Embedded cubre todos los componentes de éstas herramientas, y se pueden utilizar para desarrollar modelos de aprendizaje profundo y aprendizaje automático.
        
        Watson Studio, junto con Watson Open Scale es una herramienta completamente integrada que cubre los datosciclo de vida de la ciencia.
        
        Herramientas de código abierto para científicos de datos, que están totalmente integradas y son visuales. Esto significa que no se necesitan conocimientos de programación.
        
        Las herramientas admiten un subconjunto de tareas importantes que incluyen integración y transformación de datos, Visualización de datos, y construcción de modelos.
        
        KNIME se originó en la Universidad de Konstanz en 2004. KNIME tiene una interfaz de usuario visual con capacidades de arrastrar y soltar. Tiene capacidades de visualización integradas.
        
        Además, se puede ampliar programando en R y Python e incluso tiene conectores a Apache Spark.
        
        Orange es otro representante de este grupo de herramientas. Es menos flexible que KNIME pero es más fácil de usar
        
        Herramientas basadas en la nube para la ciencia de datos
        
        Comencemos con la categoría de herramientas visuales totalmente integradas.
        
        Estos clústeres se componen de varios servidores máquinas, de forma transparente para el usuario, en segundo plano.
        
        Watson Studio y Watson OpenScale cubren el ciclo de vida de desarrollo completo para todos los datos tareas de ciencia, aprendizaje automático e inteligencia artificial (IA).
        
        Otro ejemplo es Microsoft Azure Machine Learning.También es una oferta completamente alojada en la nube que respalda el ciclo de vida de desarrollo completo de todosTareas de ciencia de datos, aprendizaje automático y IA.
        
        Otro ejemplo es H2O Driverless AI. Aunque es un producto que descarga e instala, existe una implementación con un solo clic para los proveedores de servicios en la nube estándar.
        
        En la gestión de datos, Existen herramientas comerciales y de código abierto.
        
        El proveedor de la nube opera la herramienta por usted en la nube.
        
        Un ejemplo de dicho servicio es Amazon Web Services DynamoDB, que es una base de datos NoSQL. Permite el almacenamiento y la recuperación de datos en un formato de clave-valor o almacenamiento de documentos
        
        Otro tipo de servicio de este tipo es Cloudant, que es una base de datos como oferta de servicio. Pero, en el fondo, se basa en Apache CouchDB de código abierto. La ventaja es que las tareas operativas complejas como la actualización, copia de seguridad, restauración y el escalado lo realiza el proveedor de la nube.
        
        IBM también ofrece Db2 como servicio.Es un ejemplo de una base de datos comercial disponible como oferta SaaS en la nube,quitando tareas operativas al usuario
        
        En la gestión de datos, con algunas excepciones, existe una versión de software como servicio (SaaS) de herramientas comerciales y de código abierto existentes.
        
        Dos herramientas comerciales de integración de datos ampliamente utilizadas son Informatica Cloud Data Integrationy la refinería de datos de IBM Data Refinery que es parte de IBM Watson Studio.
        
        Un ejemplo de una herramienta de visualización de datos basada en la nube es Datameer e IBM con Congos Business intelligence suite
        
        La creación de modelos se puede realizar mediante un servicio como Watson Machine Learning.
        
        Amazon SageMaker Model Monitor es un ejemplo de una herramienta en la nube para monitorear continuamente los modelos de aprendizaje automático y aprendizaje profundo implementados.
        
        El ecosistema de ciencia de datos consta de muchas opciones comerciales y de código abierto, e incluye tanto aplicaciones de escritorio tradicionales como herramientas basadas en servidor, así como servicios basados en la nube a los que se puede acceder mediante navegadores web e interfaces móviles.
  - - - Usted debe seleccionar un idioma para aprender dependiendo de: sus necesidades, los problemas que está tratando de resolver y para quién los está resolviendo.
        
        Los lenguajes populares son Python, R, SQL, Scala, Java, C++
        
        Julia, JavaScript, PHP, Go, Ruby y Visual Basic también tienen sus propios casos de uso únicos.
        
        Los problemas que necesita resolver pueden estar relacionados con su empresa, el rol y la antigüedad de la aplicación existente.
        
        Hay muchos roles disponibles para las personas interesadas en involucrarse en la ciencia de datos, e incluyen: Analista de negocios, ingeniero de base de datos, Analista de datos, ingeniero de datos, científico de datos, Investigador científico, Ingeniero de software, Estadístico, Gerente de producto, Gerente de Proyecto, etc.
    - - Es el más utilizado y popular lenguaje de programación utilizado en la industria de la ciencia de datos.
        
        Python es genial porque usa una sintaxis clara y legible. Y se puede desarrollar los mismos programas de otros lenguajes con menos código.
        
        Python es útil en muchas áreas, incluida la ciencia de datos, la IA y el aprendizaje automático, el desarrollo web, y dispositivos de Internet de las cosas (IoT), como Raspberry Pi.
        
        Python cuenta con el apoyo generalizado de una comunidad global y está dirigido por la Python Software Foundation.
        
        ¿Qué hace genial a Python?
        
        Python es un programa de propósito general de alto nivel.
        
        Tiene una gran biblioteca estándar que proporciona herramientas adecuadas para muchas tareas diferentes que incluyen, pero no se limitan a: Bases de datos, Automatización, Web scraping, Procesamiento de texto, Procesamiento de imágenes, Aprendizaje automático y análisis de datos.
        
        2 more items...
        
        La comunidad de Python tiene una historia bien documentada de allanando el camino para los esfuerzos de diversidad e inclusión en la industria tecnológica en su conjunto.
      - Es de código abierto
    - - Las similitudes son:
        
        Ambos son de uso gratuito
        
        Ambos comúnmente se refieren al mismo conjunto de licencias. Por ejemplo, muchos proyectos de código abierto utilizan la Licencia Pública General (GNU).
        
        Ambos apoyan la colaboración.
        
        Y en muchos casos, estos términos se pueden usar indistintamente (pero no todos).
      - Las diferencias:
        
        La Iniciativa de código abierto (OSI) defiende el código abierto, mientras que la Free Software Foundation (FSF) define el software libre.
        
        El código abierto se centra más en los negocios, mientras que el software libre se centra más en un conjunto de valores.
    - - Es Software libre
        
        Permite el uso privado, el uso comercial y la colaboración pública.
      - Es otro lenguaje soportado por una amplia red global
        
        Estadísticos, matemáticos y mineros de datos usan R para desarrollar software estadístico, gráficos y análisis de datos.
        
        La sintaxis orientada a matrices de R Language facilita la traducción de Matemáticas a código para estudiantes sin experiencia en programación o con una mínima experiencia.
        
        R es sobre todo popular en la academia.
        
        Las empresas que utilizan R incluyen IBM, Google, Facebook, Microsoft, Bank of America, Ford, TechCrunch, Uber y Trulia.
        
        R se ha convertido en el repositorio de conocimiento estadístico más grande del mundo. A partir de 2018, R tiene más de 15 000 paquetes publicados públicamente, lo que hace posible realizar análisis de datos exploratorios complejos.
        
        1 more item...
    - - SQL es diferente de otros lenguajes de desarrollo de software porque es un lenguaje sin procedimientos.
        
        El alcance de SQL se limita a consultar y administrar datos.
        
        SQL fue diseñado para administrar datos en bases de datos relacionales.
        
        SQL se comporta como un intérprete entre usted y la base de datos.
        
        Y si aprende SQL y lo usa con una base de datos, puede aplicar su conocimiento de SQL a muchas otras bases de datos fácilmente.
      - Existen muchas bases de datos SQL diferentes como: MySQL, IBM DB2, PostgreSQL, Apache Open Office Base, SQLite, Oracle, MariaDB, Microsoft SQL Server y más.
        
        MySQL es un sistema de gestión de bases de datos relacional de código abierto que es ampliamente utilizado en aplicaciones web, sitios web, sistemas de gestión de contenido (CMS) y muchas otras aplicaciones.
        
        MySQL es desarrollado por Oracle Corporation, pero está disponible bajo una licencia de código abierto conocida como Licencia Pública General de MySQL (GPL), lo que permite su uso gratuito y modificación por parte de la comunidad de desarrolladores y usuarios.
    - - Scala, Java, C++ y Julia son probablemente los lenguajes de ciencia de datos más tradicionales.Sin embargo, JavaScript, PHP, Go, Ruby,Visual Basic y muchos otros han encontrado su lugar en la comunidad de ciencia de datos.
      - Java es un lenguaje de programación orientado a objetos probado y de uso general.Tiene una gran adopción en el espacio empresarial y fue diseñado para ser rápido y escalable.Las aplicaciones de Java se compilan en código de bytes y se ejecutan en la máquina virtual de Java o JVM.
        
        Las herramientas de ciencia de datos creadas con Java incluyen Weka, Java-ML, Apache MLlib y Deeplearning4.
      - Scala es un lenguaje de programación de propósito general que proporciona soporte para programación funcional y es un fuerte sistema de tipo estático. El lenguaje Scala se construyó para abordar las deficiencias de Java. También es interoperable con Java, ya que se ejecuta en JVM. El nombre Scala es una combinación de escalable y lenguaje. Este lenguaje está diseñado para evolucionar con los requisitos de sus usuarios. Para la ciencia de datos, el programa más popular creado con Scala es Apache Spark.
        
        Para la ciencia de datos, un programa popular creado con Scala es Apache Spark, que incluye Shark, MLlib, GraphX y Spark Streaming.
      - C++ es un lenguaje de programación de propósito general. Es una extensión del lenguaje de programación C o "C con Clases". C++ mejora la velocidad de procesamiento, permite la programación del sistema, y proporciona un control más amplio sobre la aplicación de software. Muchas organizaciones que usan Python u otros lenguajes de alto nivel para el análisis de datos y las tareas exploratorias se basan en C++ para desarrollar programas que alimentan datos a los clientes en tiempo real.
        
        Para la ciencia de datos, TensorFlow, MongoDB y Caffe se crearon con C++.
      - JavaScript es un lenguaje de propósito general que se extendió más allá del navegador con la creación de Node.js y otros enfoques del lado del servidor. Javascript NO está relacionado con el lenguaje Java. Para Data Science, sin duda TensorFlow.js es la implementación más popular.
        
        Los programas creados para Data Science con JavaScript incluyen TensorFlow.js y R-js.
      - Julia fue diseñada en el MIT para análisis numérico de alto rendimiento y ciencia computacional. Julia proporciona un desarrollo rápido como Python o R, mientras produce programas que se ejecutan tan rápido como los programas C o Fortran .Está compilado, lo que significa que se ejecuta el código de Julia directamente en el procesador como código ejecutable. Llama a las bibliotecas C, Go, Java, MATLAB, R, Fortran y Python, y tiene un paralelismo refinado.
        
        Una gran aplicación de Julia para Data Science es JuliaDB.
  - - - Una interfaz de programación de aplicaciones (API) permite la comunicación entre dos piezas de software.
        
        Por ejemplo, en un programa, tiene algunos datos y otros componentes de software. Usas la API para comunicarte usando entradas y salidas sin saber lo que sucede en el backend.
        
        La API solo se refiere a la interfaz. Es la parte de la biblioteca que ve mientras contiene todos los componentes del programa.
        
        El componente de software en el back-end puede ser el mismo, pero puede haber una API para diferentes idiomas. Considere TensorFlow en el backend, escrito en C++ que puede usar API para otros lenguajes, como: Python, JavaScript, C++, Java, y Go. La API es solo la interfaz.
      - Las API REST son otro tipo popular de API.
        
        El RE significa Representacional.
        
        Le permiten comunicarse a través de Internet Y aprovechar recursos como almacenamiento, datos, algoritmos de inteligencia artificial y mucho más.
        
        En Rest API, su programa es el cliente. La API se comunica con un servicio web al que puede llamar a través de Internet. Aunque hay reglas con respecto a la Comunicación, Entrada o Solicitud, y Salida o Respuesta.
        
        Las API Rest obtienen toda la información de la solicitud enviada por el cliente. La solicitud se envía mediante un mensaje HTTP que contiene un archivo JSON. El archivo contiene instrucciones sobre qué operación debe realizar el servicio web. Esta operación se transmite al servicio web a través de Internet. Y el servicio realiza la operación. De manera similar, el servicio web devuelve una respuesta a través de un mensaje HTTP, donde se devuelve la información mediante un archivo JSON.Y esta información se transmite de vuelta al cliente.
        
        Ejemplo de Rest API es Watson Text to Speech API.Esta API convierte la voz en texto. En la llamada a la API, enviará una copia del archivo de audio a la API; esto se llama una solicitud de publicación. Luego, la API enviará la transcripción de texto de lo que dice el individuo. En el backend, la API está realizando una solicitud Get.
        
        Otro ejemplo, la API del traductor de idiomas de Watson.Usted envía el texto que le gustaría traducir a la API del traductor de idiomas de Watson. La API traducirá el texto y te enviará la traducción. En este caso, la API traduce inglés a español.
        
        La S significa Estado.
        
        La T significa Transferencia.
    - - Un conjunto de datos es una colección estructurada de datos. Los datos incorporan información representada como texto, números o medios como imágenes, audio o archivos de video.
        
        Un conjunto de datos tabulares comprende una colección de filas que contienen columnas que almacenan información.
        
        Un formato de datos tabular popular es "valores separados por comas" o CSV. Un archivo CSV es un archivo de texto delimitado donde cada línea representa una fila y una coma separa valores de datos
        
        Las estructuras de datos jerárquicas o de red se utilizan normalmente para representar relaciones entre datos. Los datos jerárquicos se organizan en un formato de árbol, mientras que los datos de red se almacenan como un gráfico.
        
        Un conjunto de datos también puede incluir archivos de datos sin procesar, como imágenes o audio
        
        Tradicionalmente, la mayoría de los conjuntos de datos eran privados porque contenían información privada o confidencial.
        
        Información como datos de clientes, datos de precios u otra información comercial confidencial. Estos conjuntos de datos normalmente no se comparten públicamente.
        
        Con el tiempo, muchas entidades públicas y privadas como instituciones científicas, gobiernos, organizaciones e incluso empresas han comenzado a generar datos conjuntos disponibles al público como “datos abiertos”, proporcionando información gratuita.
        
        Por ejemplo, las Naciones Unidas y los gobiernos federales y municipales de todo el mundo han publicado muchos conjuntos de datos en sus sitios web, cubriendo la economía, la sociedad, la salud, el transporte, el medio ambiente y mucho más
        
        El acceso a estos y otros conjuntos de datos abiertos permite a los científicos de datos, investigadores, analistas y otros para descubrir conocimientos previamente desconocidos y potencialmente valiosos.
        
        1 more item...
    - - Hay muchos conjuntos de datos abiertos disponibles para el público, pero puede ser difícil encontrar conjuntos de datos que sean de alta calidad y que tengan términos de licencia y uso claramente definidos.
        
        Para ayudar a resolver este desafío, IBM creó el intercambio de activos de datos o "DAX".
        
        DAX proporciona una colección seleccionada de conjuntos de datos abiertos, tanto de IBM Research como de fuentes de terceros confiables.
        
        Estos conjuntos de datos están listos para su uso en aplicaciones empresariales, con una amplia variedad de tipos de aplicaciones, incluyendo imágenes, video, texto y audio.
        
        DAX tiene como objetivo fomentar el intercambio de datos y la colaboración al mantener los conjuntos de datos disponibles bajo un Acuerdo de licencia de datos comunitarios (o CDLA).
        
        También proporciona cuadernos tutoriales que recorren los aspectos básicos de la limpieza de datos, preprocesamiento y análisis exploratorio.
        
        1 more item...
        
        Data Asset Exchange o "DAX"
        
        Ingrese a https://developer.ibm.com/
        
        Luego seleccione "Código abierto en IBM"
        
        En el menú desplegable, seleccione "Intercambio de activos de datos".
        
        1 more item...
    - - El aprendizaje automático (ML) utiliza algoritmos, también conocidos como "modelos", para identificar patrones en los datos
        
        El proceso por el cual el modelo aprende patrones de datos se denomina "entrenamiento del modelo".
        
        Una vez que se entrena un modelo, se puede usar para hacer predicciones. Cuando el modelo se presenta con nuevos datos, trata de hacer predicciones o decisiones basadas en los patrones que ha aprendido de los datos anteriores.
        
        Los tipos de ML son:
        
        Aprendizaje No supervisados
        
        Aquí, los datos no están etiquetados por un ser humano. Los modelos deben analizar los datos y tratar de identificar patrones y estructuras dentro de los datos en función de sus características.
        
        1 more item...
        
        Y Aprendizaje de Refuerzo
        
        Está inspirado en la forma en que aprenden los seres humanos y otros organismos.
        
        1 more item...
        
        Aprendizaje Supervisados
        
        Este es el más utilizado.
        
        1 more item...
        
        Deep Learning
        
        Es una técnica avanzada dentro del campo más amplio del Machine Learning, y se caracteriza por el uso de redes neuronales profundas para aprender patrones y representaciones complejas en los datos.
        
        1 more item...
    - - Model Asset eXchange o "MAX", en la plataforma IBM Developer, es un recurso gratuito de código abierto para modelos de aprendizaje profundo.
        
        Model Asset eXchange es un repositorio gratuito de código abierto para microservicios de aprendizaje profundo listos para usar y personalizables.
        
        Para reducir el tiempo de creación de valor, considere aprovechar modelos pre-entrenados para ciertos tipos de problemas. Estos modelos preentrenados pueden estar listos para usar de inmediato, o pueden tomar menos tiempo para entrenar.
        
        Estos microservicios están configurados para utilizar modelos de aprendizaje profundo pre-entrenados o personalizables para resolver problemas comunes en el ámbito empresarial.
        
        Estos modelos se han probado completamente y se pueden implementar rápidamente en entornos locales y en la nube.
        
        Todos los modelos en MAX están disponibles bajo licencias permisivas de código abierto, lo que facilita su uso para fines personales y comerciales
        
        1 more item...
        
        Veamos los componentes de un microservicio típico de servicio de modelos. Cada microservicio incluye:
        
        Un modelo de aprendizaje profundo pre-entrenado
        
        Código que preprocesa la entrada antes de que sea analizada por el modelo
        
        Código que post-procesa la salida del modelo
        
        Y una API pública estandarizada que hace que la funcionalidad de los servicios esté disponible para las aplicaciones.
    - - Las bibliotecas suelen contener módulos integrados que proporcionan diferentes funcionalidades.
      - Puede utilizar métodos de visualización de datos para comunicarse con otros y mostrar resultados significativos de un análisis.
      - Para el aprendizaje automático, la biblioteca Scikit-learn contiene herramientas para el modelado estadístico, que incluyen regresión, clasificación, agrupación, etc.
      - La producción a gran escala de modelos de aprendizaje profundo utiliza TensorFlow, un marco de trabajo de bajo nivel.
      - Apache Spark es un marco de computación en clúster de uso general que le permite procesar datos mediante clústeres de computación.
      - Una interfaz de programación de aplicaciones (API) permite la comunicación entre dos piezas de software.
      - API es la parte de la biblioteca que ve, mientras que la biblioteca contiene todos los componentes del programa.
      - Las API REST le permiten comunicarse a través de Internet y aprovechar recursos como almacenamiento, datos, algoritmos de inteligencia artificial y mucho más.
      - Los datos abiertos son fundamentales para la ciencia de datos.
      - El Acuerdo de licencia de datos comunitarios facilita el intercambio de datos abiertos.
      - El sitio de IBM Data Asset Exchange (DAX) contiene conjuntos de datos abiertos de alta calidad.
      - Los conjuntos de datos abiertos de DAX incluyen cuadernos de tutoriales que brindan recorridos básicos y avanzados para los desarrolladores.
      - Los cuadernos DAX se abren en Watson Studio.
      - El aprendizaje automático (ML) utiliza algoritmos, también conocidos como "modelos", para identificar patrones en los datos.
      - Los tipos de ML son supervisados, no supervisados y de refuerzo.
      - El aprendizaje supervisado comprende dos tipos de modelos, regresión y clasificación.
      - El aprendizaje profundo se refiere a un conjunto general de modelos y técnicas que emulan vagamente la forma en que el cerebro humano resuelve una amplia gama de problemas.
      - Model Asset eXchange es un repositorio gratuito de código abierto para microservicios de aprendizaje profundo personalizables y listos para usar.
      - Los microservicios de servicio de modelos MAX se construyen y distribuyen en GitHub como imágenes Docker de código abierto.
      - Puede utilizar Red Hat OpenShift, una plataforma de Kubernetes, para automatizar la implementación, el escalado y la gestión de microservicios.
      - Ml-exchange.org tiene múltiples modelos predefinidos.
  - - - Un Jupyter Notebook es una aplicación basada en navegador que le permite crear y compartir documentos que contengan código, ecuaciones, visualizaciones, enlaces de texto narrativo y más.
        
        Es como el cuaderno de laboratorio de un científico, donde un científico registra todos los pasos para realizar sus experimentos y los resultados que pueden reproducir.
        
        Un Jupyter Notebook permite a un Científico de Datos registrar sus experimentos de datos y resultados que otros pueden reutilizar. Permite combinar texto descriptivo, bloques de código y salida de código en un solo archivo. Puedes exportar el cuaderno a un formato de archivo PDF o HTML que luego se puede compartir con cualquier persona.
        
        Los Jupyter Notebook se pueden utilizar con servicios basados en la nube como IBM y Google Colab. Y, no requieren ninguna instalación en su máquina local.
        
        Los Jupyter Notebook se pueden instalar a través de la línea de comandos mediante la función de instalación de pip. También se puede descargar localmente en su computadora portátil a través de la Plataforma Anaconda
      - Jupyter Lab
        
        Jupyter Lab está basado en una aplicación web que permite acceder a múltiples archivos Jupyter Notebook, y a otros códigos y archivos de datos.
        
        Además, amplía las funcionalidades de Jupyter Notebooks al permitirle trabajar con múltiples notebooks, editores de texto, terminales y componentes personalizados de manera flexible, integrada y extensible.
        
        Es compatible con varios formatos de archivo como CSV, JSON, PDF, Vega, etc.Y también es de código abierto.
      - Jupyter Kernels
        
        Un kernel de Notebook es un motor computacional que ejecuta el código contenido en un archivo de Notebook.
        
        Existen núcleos Jupyter para muchos idiomas,y exploraremos algunos que son relevantes en ciencia de datos.
        
        Cuando se abre un documento de Notebook, el kernel relacionado se inicia automáticamente.
        
        Cuando se ejecuta Notebook, el núcleo realiza el cálculo y produce los resultados. Dependiendo de su configuración, es posible que necesite instalar otros idiomas de notebook en su entorno Jupyter.
        
        Cuando inicie un cuaderno, elija el idioma que le interese para su proyecto de ciencia de datos.
        
        1 more item...
      - Jupyter Architecture
        
        La arquitectura de Jupyter implementa un modelo de dos procesos con un núcleo y un cliente.
        
        El cliente es la interfaz que ofrece al usuario la posibilidad de enviar código al núcleo. Es el navegador de un Jupyter Notebook.
        
        El núcleo ejecuta el código y devuelve el resultado al cliente para que lo muestre.
        
        Los cuadernos de Jupyter representan el código, los metadatos, el contenido y los resultados.
        
        Al guardar el cuaderno, se envía desde el navegador al servidor de Notebook. Guarda el archivo del bloc de notas en un disco como un archivo JSON con la extensión.ipynb
        
        El servidor de cuadernos es responsable de guardar y cargar los cuadernos. Y el núcleo ejecuta las celdas de código contenidas en el cuaderno cuando el usuario las ejecuta.
        
        La arquitectura Jupyter utiliza la herramienta de conversión NB para convertir archivos a otros formatos.
        
        1 more item...
      - Otros entornos - Anaconda Jupyter
        
        Los cuadernos computacionales (Computational notebooks) combinan código, resultados computacionales, textos explicativos y recursos multimedia en un solo documento.
        
        Jupyter Notebook es un tipo popular de cuaderno computacional porque admite docenas de lenguajes de programación.
        
        JupyterLab y VS Code son entornos populares para crear y modificar Jupyter Notebooks en un dispositivo local.
        
        JupyterLab es una aplicación web de código abierto basada en Jupyter Notebook. Puedes crear código, visualizaciones interactivas, texto y ecuaciones, igual que con Jupyter Notebook. JupyterLab incluye funciones ampliadas con algunas de las bibliotecas Python preinstaladas más extensas de Anaconda, como NumPy, Pandas y Matplotlib.
        
        Anaconda es un distribuidor gratuito y de código abierto para Python y R, los principales lenguajes utilizados en la ciencia de datos y el aprendizaje automático.
        
        Anaconda tiene más de mil quinientas bibliotecas. Su instalación es gratuita y tiene soporte comunitario gratuito para cualquier usuario que necesite ayuda con Python.
        
        1 more item...
        
        VS Code es un editor de código abierto y gratuito para operaciones de depuración y ejecución de tareas.
        
        El código VS funciona en Linux, Windows y macOS. Es compatible con varios idiomas, resaltado de sintaxis, indentación automática y más. VS Code es una de las herramientas de entorno de desarrollo más populares.
        
        1 more item...