Sabías que es INdat?

INdat es tu oportunidad de convertirte en un Data Scientist!
INdat significa INgenieria de datos.
INdat es el nombre de los nuevos estudios de la UVa para obtener el Grado en Ingeniería Informática Y el Grado en Estadística en 5 años.

¿Por qué elegir INdat?
Porque es el camino académico para convertirte profesionalmente en un Data Scientist. Y ahora se va a poder estudiar en la UVa (integramente en Valladolid), siendo pioneros en España a nivel de estudios de grado.

¿Qué es un Data Scientist?

resuelven problemas complejos mediante el empleo de datos de amplia experiencia en alguna disciplina científica - See more at: http://eduardoarea.blogspot.com.es/2012/11/el-camino-de-un-data-scientist.html#sthash.9B9h9lB2.dpuf
Read more at http://eduardoarea.blogspot.com/2012/11/el-camino-de-un-data-scientist.html#hXT17oPXpW8gGfRd.99

resuelven problemas complejos mediante el empleo de datos de amplia experiencia en alguna disciplina científica - See more at: http://eduardoarea.blogspot.com.es/2012/11/el-camino-de-un-data-scientist.html#sthash.9B9h9lB2.dpuf
Read more at http://eduardoarea.blogspot.com/2012/11/el-camino-de-un-data-scientist.html#hXT17oPXpW8gGfRd.99

Un Data Scientist es un experto que resuelve problemas complejos de diferentes disciplinas (finanzas, marketing, ciencias de la vida, industria...) haciendo uso del análisis de datos (principalmente con herramientas estadísticas e informáticas) y ayuda a la extracción de conclusiones.

resuelven problemas complejos mediante el empleo de datos de amplia experiencia en alguna disciplina científica - See more at: http://eduardoarea.blogspot.com.es/2012/11/el-camino-de-un-data-scientist.html#sthash.9B9h9lB2.dpuf
Read more at http://eduardoarea.blogspot.com/2012/11/el-camino-de-un-data-scientist.html#hXT17oPXpW8gGfRd.99

Se requiere de una persona con curiosidad y capacidad analítica que esté formada en las herramientas necesarias para crear significado y valor sobre los datos.

"Data Scientist (n.): Person who is better at statistics than any software engineer and better at software engineering than any statistician."
Josh Wills.

(para más información: Sabías que es un Data Scientist?)

¿Cuándo puedo empezar mis estudios en INdat?
El próximo curso 2014/15.

¿Quieres más información? Plan de Estudios y más detalles de INdat: en este enlace.
Ingeniería Informática: https://www.inf.uva.es/
Estadística: http://www.eio.uva.es/
o contacta con nosotros: gradoenestadistica.uva@gmail.com 

Statistics on the road from Departamento de Estadística e Investigación Operativa, UVa

Sabías que es un Data Scientist?

Fuente: http://talent.linkedin.com/

¿Qué es un Data Scientist? 

Un Data Scientist es un experto en Data Science que resuelve problemas complejos de diferentes disciplinas (finanzas, marketing, ciencias de la vida, industria...) haciendo uso del análisis de datos (principalmente con herramientas estadísticas e informáticas) y ayuda a la extracción de conclusiones. Se requiere de una persona con curiosidad y capacidad analítica que esté formada en las herramientas necesarias para crear significado y valor sobre los datos.

¿Qué es Data Science (la ciencia de los datos)?

Es la ciencia que estudia la extracción de conocimiento a partir de los datos. Data science es el procedimiento de obtener información valiosa de los datos y está apareciendo debido a la necesidad de trabajar con conjuntos inmensos de datos (conocidos como Big data), formados tanto por datos estructurados como por datos semiestructurados o desestructurados. Estos conjuntos proceden de los datos generados por los dispositivos electrónicos, las redes sociales y la web.

¿Qué hace más concretamente un Data Scientist?

Un Data scientist es una evolución del analista de datos. Mientras que el analista de datos solo debía analizar los datos de una única fuente, un Data scientist debe explorar y analizar datos de múltiples fuentes. El Data scientist debe tamizar todos los datos entrantes con el objetivo de encontrar patrones previamente escondidos, no debe limitarse a recoger e informar sobre los datos, debe también examinarlos desde muchos ángulos de forma que pueda extraer de ellos informaciones previamente ocultas.

“A data scientist is somebody who is inquisitive, who can stare at data and spot trends. It's almost like a Renaissance individual who really wants to learn and bring change to an organization."

Anjul Bhambhri, vice president of big data products at IBM

¿Cómo convertirse en un Data Scientist?

Hay dos puntos principales a tener en cuenta a la hora de decidir qué estudiar si queremos convertirnos en Data scientist:

• Aunque con las enseñanzas que había hasta ahora en España era necesario un Máster, algunas universidades están introduciendo estudios de grado para convertirse en científico de datos.
• Para convertirse en un profesional de Big data es necesario adquirir conocimientos específicos de cómo analizar y tratar grandes bases de datos. Para ello se precisa cumplir unos pre-requisitos básicos: conocimientos de estadística, programación y bases de datos.

¿Por qué convertirse en un Data Scientist?

En la red profesional Linkedin, han realizado un ranking con los 10 perfiles profesionales más populares que no existían en 2008. En esta lista, se encuentra en el número 5 el trabajo como Data scientist. Pero no solo eso, si seguimos mirando la lista en el puesto 7 nos encontramos con la profesión de Big data architect, que tiene mucha relación con la ciencia de los datos. 

"We live in a data-driven world. Increasingly, the efficient operation of organizations across sectors relies on the effective use of vast amounts of data. Making sense of big data is a combination of organizations having the tools, skills and more importantly, the mindset to see data as the new "oil" fueling a company. Unfortunately, the technology has evolved faster than the workforce skills to make sense of it and organizations across sectors must adapt to this new reality or perish."

Andreas Weigend, Ph.D Stanford, Chief Scientist Amazon.com

Sabías que el dígito que aparece con mayor frecuencia en primer lugar en números sacados de la naturaleza es el 1?

En 1881 Newcomb observó que las primeras páginas de las tablas de logaritmos estaban mucho más desgastadas que las últimas y concluyó que la frecuencia con la que el 1 aparecía como primera cifra significativa en números que podemos observar en la naturaleza era más alta que la de cualquier otro número, disminuyendo esta frecuencia hasta llegar al 9.
Muchos años después Benford publicó un artículo en el que analizaba la frecuencia con la que aparecía cada número del 1 al 9 en la primera cifra de 20.229 números extraídos aleatoriamente de la naturaleza, lo que incluía número de habitantes de algunas ciudades, áreas de ríos, constantes físicas,... y comprobó que estos datos se ajustaban muy bien a la ley del primer dígito (o ley de Newcomb-Benford como pasó a llamarse).

Una muy buena explicación de la ley de Newcomb-Benford se puede encontrar en el siguiente vídeo de Juan A. Cuesta-Albertos, catedrático de la universidad de Cantabria, extraído de la charla que dio en la universidad de Valladolid el curso pasado.





Estas probabilidades se pueden calcular con la fórmula que vemos en el vídeo

En base 10, que es en la que habitualmente contamos, las probabilidades de los 9 números serán:

Una aplicación de esta ley es para detectar fraudes, ya sea en unas elecciones, en una declaración de impuestos, etc. En el vídeo a continuación, podemos ver otro fragmento de la misma charla de Juan A. Cuesta-Albertos en la que utiliza esta ley para probar que la contabilidad de Bárcenas no recoge pagos de facturas reales.

Sabías que el muestreo es una parte fundamental de la estadística?

Para esta entrada vamos a recuperar el vídeo de nuestra entrada sobre "el chiste del pollo" del programa de la Sexta Se lo que hicisteis. En este vídeo podemos ver un reportaje de Berta Collado en el que hace una encuesta en Madrid para ver si los resultados que obtienen coinciden con los proporcionados por Sofres en el que concluye que "el Sofres este no tiene ni idea". Pero, por qué los resultados de la encuesta de SLQH no coinciden con los datos oficiales de audiencias?

Vamos a aprovechar los errores cometidos en este vídeo para explicar los pasos esenciales a la hora de realizar un muestreo.

En primer lugar hay que tener muy claro cuál es la población de estudio. Iimaginemos que queremos realizar un estudio sobre la tasa de incidencia de la artritis, puesto que es una enfermedad que afecta más a la población mayor, no obtendremos la misma tasa si la población de estudio es de personas mayores de 65 años que si la población son todos los españoles.

La elección de la población es el primer motivo por el que los resultados no coinciden, mientras que la población de la encuesta de SLQH es toda la población de España, los porcentajes de audiencias vienen dados sobre el número de personas que están viendo la televisión.

En segundo lugar hay que elegir un tamaño muestral adecuado al tamaño de la población. No es lo mismo encuestar a 100 personas cuando el tamaño de la población objetivo es de 1000 que cuando dicho tamaño es de 1.000.000. También es importante no pasarnos por el otro lado. Si la población objetivo es de 1.000.000 no tiene sentido que la muestra esté formada por 999.999 personas puesto que, aunque los resultados serían exactos, se usa la estadística precisamente para evitar tener que entrevistar a la población entera. Para poblaciones muy grandes sería imposible entrevistar a tanta gente. Por ejemplo, imaginad que para elaborar los estudios de audiencias cada día tuvieran que localizar y preguntar a 40 millones de los 47 millones de españoles si vieron la tele y que fue lo que vieron.

En el caso del programa de la sexta el tamaño muestral está lejos de ser adecuado puesto que entrevistan a sólo 100 personas de los 47.000.000  de habitantes que tiene el país, mientras que las audiencias se miden con los datos de 12.099 personas y el tamaño de la población objetivo es menor que los 47.000.000 puesto que recordamos que la población son aquellos que están viendo la tele.

Por último debemos realizar un muestreo adecuado. El muestreo es la técnica de selección de la muestra. Hay multitud de estudios sobre los diseños muestrales y su adecuación a cada situación experimental. En rasgos generales, para que un muestreo sea adecuado debe cumplir dos condiciones:

• Conservación de la independencia durante la selección de la muestra.
• Todos los elementos de la muestra deben tener la misma probabilidad de aparecer.

La encuesta realizada por Berta Collado se realiza a 100 personas que pasan por una plaza de una ciudad concreta a una hora concreta. En este caso los madrileños tienen mucha más probabilidad de ser encuestados que una persona de León o una persona de Elche.

Por lo tanto los resultados de SLQH y Sofres no son comparables puesto que las poblaciones a estudiar no son las mismas. De la encuesta hecha por el programa de la Sexta, no podríamos extraer ningún resultado fiable puesto que es incorrecto tanto el tamaño muestral para la población que quieren cubrir como el tipo de muestreo realizado.

Para finalizar, decir que si te interesa el tema puedes escribir aquí en comentarios y que en el Grado en Estadística de la UVa existen dos asignaturas específicas sobre muestreo:

• Muestreo Estadístico I
• Muestreo Estadístico II

Sabías que el Grado en Estadística colabora con el bachillerato de excelencia?

El bachillerato de excelencia es una modalidad diferente de bachillerato más enfocado al área de las ciencias. Entre las características principales de este bachillerato están:

• Conferencias y prácticas en la Universidad de Valladolid.
• Realización de un proyecto de investigación dirigido por un profesor universitario.
• Más horas de las asignaturas del área de ciencias y más tiempo para usar los laboratorios del instituto.

Alumnos del IES Diego de Praves durante el taller de estadística

Este bachillerato se imparte en el 
I.E.S. Diego de Praves de Valladolid y el 
I.E.S. Andrés Laguna de Segovia.

Desde el Grado en Estadística hemos querido unirnos a este proyecto con unos talleres de estadística aplicada que se realizan en una de nuestras aulas de ordenadores en la facultad de ciencias del campus de Valladolid de la UVa.

Sabías qué la estadística es una ciencia mucho más compleja que hacer medias?

Todos hemos escuchado alguna vez el chiste sobre la estadística del pollo, ese que dice que: "si hay dos personas, una se como dos pollos y la otra ninguno; la estadística dice que se ha comido un pollo cada uno". En esta entrada vamos a explicaros lo lejos que está el chiste de ser verdad.

En este vídeo del programa de la Sexta "Se lo que hicisteis" podemos ver a Berta Collado, Patricia Conde y Miki Nadal hablando sobre la estadística, en él Berta pretende explicar lo que es la estadística usando el mencionado chiste. Tanto en eso como a lo largo de todo el video podemos ver ejemplos claros de como no debe usarse la estadística.

 

 En primer lugar hay que diferenciar dos  conceptos que a menudo se toman como si fueran uno. Estos son la estadística y la media. Mientras que la estadística es una ciencia que estudia la obtención, el análisis y la interpretación de datos, la media (que definimos como una medida de localización de la tendencia central) es solamente uno de los muchos resultados que se pueden obtener y que por sí sola no nos permite sacar conclusiones sobre los datos analizados.

 Siempre que estudiemos la media hay otra cosa que debemos tener en cuenta, las medidas de dispersión, es decir, medidas de cuánto se alejan los datos de esta media obtenida.

La medida de dispersión más utilizada es la varianza. Si en la estadística del pollo además de la media (=1), calculamos la varianza obtendremos que la varianza es 2 lo que nos indica que los datos están muy alejados de la media y que es muy probable no sólo que no se haya comido un pollo cada uno, si no que uno se haya ventilado los dos  pollos mientras que el otro ni lo haya probado.
Usando la estadística correctamente, es cuando se obtiene la realidad.

Otro claro ejemplo de que con la media no basta ha salido hoy en el tiempo de Antena 3 con relación a las temperaturas del mes de noviembre de este año. Los primeros días del mes se batieron los records de calor para un mes de noviembre y en los últimos días está haciendo mucho más frío de lo normal a estas alturas del año. Si calcularamos la media de las temperaturas del mes y no nos fijamos en nada más, obtendríamos que ha sido un mes de noviembre similar a otros años por estar la temperatura media mensual cerca de la media mensual histórica. Sin embargo ha sido un mes con una temperaturas que distan mucho de ser normales y eso lo muestra la dispersión.

(En siguientes entradas, por qué la encuesta de SLQH no coincide con las estadísticas)

Sabías que el viernes 8 de Noviembre es la jornada de puertas abiertas de la Facultad de Ciencias?

La Facultad de Ciencias ha querido sumarse a la celebración de la Semana de la Ciencia (se celebra del 4 al 17 de Noviembre) con una jornada de puertas abiertas para que los estudiantes de bachillerato puedan venir a conocer la facultad y sus instalaciones.

Desde el Grado en Estadística, como parte de la Facultad de Ciencias, también hemos querido sumarnos a esta iniciativa y desde las 10:45 hasta las 12:00 estaremos en el aula de informática 308 del aulario. En este aula habrá un profesor junto con varios alumnos del grado para que les preguntéis cualquier duda sobre el Grado en Estadística.

Aquí tenéis el programa completo del viernes:

y aquí la programación completa que ofrece el IMUVa para la Semana de la Ciencia 2013:

 

Queremos destacar que 3 de estas charlas son parte del ciclo 

"La Estadística: Una herramienta para el desarrollo" 

que se está llevando a cabo de nuevo este curso 2013-14 y que está dirigido a alumnos de la UVa. Las charlas que se incluyen son:

• "Probabilistic models of protein structure" (Thomas Hamelryck) JUEVES 7, 17h. (cartel)(vídeo)

• “Ciencia, Desarrollo e Innovación” VIERNES 8, 12h. (cartel)
• "La estadística predice los efectos del cambio climático y la contaminación del aire en la salud pública" (Monserrat Fuentes) MIÉRCOLES 13, 19h. (cartel)

Todavía podéis apuntaros a este ciclo gratuitamente a través del campus virtual en este link:

http://extension.campusvirtual.uva.es/course/view.php?id=67

Usuario: e+nif. Clave:estalu

(opción de auto-matriculación como estudiante)