9.

Data analytics Data science

Competencias a desarrollar:

Habilidad  para  identificar,  formular  y  Identifica  las  variables  que  intervienen  en  un 
resolver  problemas  complejos  de  problema de ingeniería
Ingeniería  aplicando  principios  de  Propone  y/o  formula  modelos  que  representan 
Ingeniería, ciencias y matemáticas.  las relaciones de las variables de un problema

Tarea Habilidad  para  comunicarse 

Presenta  sus  ideas  en  forma  clara  y  concisa, 
Teoría efectivamente  ante  un  rango  de 
utilizando un lenguaje apropiado al contexto
audiencias.
Capacidad  de  desarrollar  y  aplicar  nuevos 
conocimientos  según  sea  necesario,  Identifica  y  analiza  documentos  de  referencia 
utilizando  estrategias  de  aprendizaje  para abordar problemas de ingeniería
apropiadas.

Habilidad  para  identificar,  formular  y  Identifica  las  variables  que  intervienen  en  un 
resolver  problemas  complejos  de  problema de ingeniería
Ingeniería  aplicando  principios  de  Propone  y/o  formula  modelos  que  representan 
Ingeniería, ciencias y matemáticas.  las relaciones de las variables de un problema
Tarea
Práctica Analiza  e  interpreta  los resultados obtenidos tras 
Capacidad  de  desarrollar  y llevar a cabo la  la  experimentación  (en laboratorios y/o mediante 
experimentación  adecuada,  analizar  e  el uso de herramientas computacionales)
interpretar  datos,  y  usar  el  juicio  de 
Ingeniería para sacar conclusiones.  Concluye  sobre  resultados  obtenidos,  aplicando 
juicios de ingeniería

Material de lectura (artículos)

Grover, V., Chiang, R. H., Liang, T. P., & Zhang, D. (2018). Creating strategic business value from big
data analytics: A research framework. ​Journal of Management Information Systems​, ​35​(2), 388-423.

Choi, T. M., Chan, H. K., & Yue, X. (2016). Recent development in big data analytics for business
operations and risk management. ​IEEE transactions on cybernetics​, ​47​(1), 81-92.

Larson, D., & Chang, V. (2016). A review and future direction of agile, business intelligence, analytics and
data science. ​International Journal of Information Management​, ​36​(5), 700-710.

Gudivada, V. N., Irfan, M. T., Fathi, E., & Rao, D. L. (2016). Cognitive analytics: Going beyond big data
analytics and machine learning. In ​Handbook of statistics​ (Vol. 35, pp. 169-205). Elsevier.

Material de apoyo (web)

https://www.simplilearn.com/data-science-vs-big-data-vs-data-analytics-article
https://www.lotame.com/what-is-data-analytics/
https://www.edureka.co/blog/data-science-vs-big-data-vs-data-analytics/
Actividad teórica:
En la actualidad existe una amplia terminología relacionada con el manejo y uso de los datos
recopilados en las empresas. Así aparecen términos como ​Big data​, ​Data analytics y ​Data
science​.

Revise la documentación sugerida y realice lo siguiente:

● En sus palabras defina los tres términos mencionados
● Describa en detalle de qué se trata cada uno, qué similitudes, diferencias y relaciones
existen entre ellos
● Realice una descripción de cómo esas disciplinas tienen impacto en las empresas de
hoy
● Explique cómo esas disciplinas impactan la industria y especialmente el sector de la
manufactura
● Describa cómo y cuales técnicas de Machine learning se aplican en las tres disciplinas y
con qué propósito
● Ud como ingeniero, ¿Cómo podría aplicar estos conceptos en un problema real?,
explique en detalle su respuesta

Actividad práctica:
Realice una búsqueda en internet de casos de aplicación de las tres disciplinas mencionadas y
realice el siguiente ejercicio
● Identifique el uso de las disciplinas en los ejemplos. Determine si hubo la aplicación de
las tres o dos o solo una de ellas.
● Explique de qué manera se realizó la implementación de las disciplinas encontradas
● Qué técnicas de Machine learning se utilizaron y con qué propósito
● Ud como ingeniero, haga un análisis de las soluciones planteadas, mencione y justifique
las ventajas y desventajas que Ud considera tienen las soluciones