ADA: Arquitectura y ciencia de datos para el descubrimiento de conocimiento - Villarreal Benítez

Las problemáticas surgen en ambientes complejos que generalmente son contraintuitivos, las primeras ideas que surgen de una reflexión y discusiones (aún entre expertos), son confusas y algunas seguramente estarán equivocadas. Es importante realizar análisis sistemáticos, cualitativos y cuantitativos, siguiendo un método riguroso de análisis.

La Ciencia de datos parte de  modelos creados a través del pensamiento matemático que permiten abstraer la realidad a través de sus elementos principales y para esto son muy útiles los razonamientos lógicos con diagramas, tales como los Grafos y los Diagramas de vías.

Indicaciones

El/la estudiante:

1. Retomará en equipos la narrativa elaborada sobre la problemática.
2. Revisará el siguiente material para comprender la naturaleza de los datos y su organización para el análisis en dataFrames.
• Tipos de datos
  
• Introducción a la estadística empresarial. Niveles de medición.
• DataFrame
  
• El DataFrame: Fundamentos del Análisis de Datos
• Organización programática del DataFrame
• ¿Cómo crear un DataFrame en R Studio? 
• ¿Qué es un DataFrame?
• ¿Cómo hacer un DataFrame con listas?
• La librería de Pandas
3. Elaborará junto con su equipo un dataframe retomando el formato  expuesto en los videos anteriores, en el cual se rescatan los elementos cualitativos y cuantitativos de las problemáticas. Para ello retomará cualquiera de las herramientas que le permitan organizar los datos para su análisis.
4. Expondrá al grupo a través de un representante de equipo su dataFrame y brindará retroalimentación a los dataframe de los demás equipos.
5. A partir de los dataFrame elaborados por los estudiantes en equipos y con apoyo del docente se construirá de forma grupal una matriz de adyacencia que integre los elementos cualitativos y cuantitativos de todos los dataframe. La matriz deberá integrar:
• Los tipos de datos: cualitativos, cuantitativos, discretos, contínuos, 
  
• Las escalas: Nominales, ordinales, de escala y proporción.
• La homogeneización de los términos y escalas utilizados por los equipos en la elaboración de sus dataFrame. 
6. Revisará individualmente los siguientes recursos sobre teoría de Grafos:
• Teoría de grafos
• Teoría de grafos en informática
• Herramienta Gephi
• Cómo usar Gephi para construir grafos y detectar comunidades. 
7. Elaborará junto con el grupo y con ayuda del docente un grafo a partir de los recursos revisados y de la matriz de adyacencia elaborada, el cual podrá visualizar con la herramienta Gephi.
8. De forma grupal verificarán si el modelo matemático construido hasta ahora:
• Permite la reconstrucción del sistema en su esencia. 
• Cubre la verificación de la teoría.
9. Considerarán que hasta ahora el modelado se llevó a cabo con Grafos no dirigidos, los cuales deberán transformar a grafos dirigidos cuando la relación lo permita. 
10. Identificará la asociación de las cualidades del grafo con las cualidades de interés de la problemática, a partir del análisis de los resultados del grafo.
11. Revisará en equipos el siguiente recurso sobre Análisis Causales: Conceptos básicos: mediación, moderación y mediación moderada.
12. Transformará el Grafo realizado en un Diagrama de causalidad y determinará qué datos requiere para validar las ideas y mediante qué técnicas de levantamiento de datos se pueden obtener los datos para cubrir el análisis completo con sus interacciones y relaciones indirectas.
13. Revisará el siguiente material para guiarse en la organización del análisis del problema: Análisis del problema.
14. A partir del análisis cualitativo con el  diagrama de causalidad se desarrollará una discusión grupal guiada por el docente para seleccionar y  definir la problemática vinculante en la que se enfocará el proyecto.
15. Compartirán con su docente a través de la plataforma la matriz de adyacencia elaborada con base en el formato proporcionado, así como la versión final del grafo.