TITULO PROYECTO:
INTEGRANTES:
1. ENTENDIMIENTO DEL NEGOCIO
Para hacerlo se necesita un actor, que es una persona experta en el negocio
1.1 DESCRIPCIÓN DEL NEGOCIO: Se describe de que se trata el negocio, un párrafo corto
acerca de a que se dedica el negocio.
1.2 DESCRIPCIÓN DEL PROBLEMA: decir el problema q se quiere resolver, 1 máximo 2
problemas. La descripción la da el cliente.
1.3 OBJETIVOS DE LA MINERÍA: 1 máximo 3 objetivos, siempre con verbo en infinitivo, un
solo verbo. Ese objetivo debe ser especifico de en qué se va a desarrollar. Ejemplo:
Desarrollar un modelo predictivo tipo clasificación para… mediante. Siempre el que,
como y para qué. Deben decir específicamente el modelo a implementar.
1.4 DISEÑO DE SOLUCIÓN: Tabla que tiene resumen de problema, tipo de minería, tipo de
aprendizaje, requerimientos de los datos, métodos y medida de evaluación. En el
diseño de evaluación se pacta con el cliente cual es la evaluación esperada. Por
ejemplo, ellos esperan que la precisión sea cuanto, que la cobertura sea cuánto.
1.5 RECURSOS PARA CREACIÓN DEL MODELO Y PARA DESPLIEGUE: Definir los recursos
que necesito (hardware, software), y definir el despliegue como va a ser (en que
lenguaje y en que dispositivo).
Cuando se acaba esto, se le entrega la documentación al cliente y apenas la apruebe
se sigue a la siguiente etapa para no tener reprocesos.
2. ENTENDIMIENTO DE LOS DATOS
Se hace con experto de T.I
2.1 CICLO DE LOS DATOS: Nos expliquen como se generan los datos, en cual entorno,
donde se almacenan, quien los modifica (que ruta siguen los datos), periodicidad de
los datos (cada cuanto hay datos nuevos). No es para todos los datos de la
organización, sino de los específicos del problema.
2.2 DICCIONARIO DE DATOS: Nombre de la variable, descripción y de que tipo es.
2.3 REGLAS DE CALIDAD: Cuales son las reglas de calidad de las variables. Variable, Regla
(valores válidos). Insumo para hacer la limpieza de atípicos.
3. PREPARACIÓN DE DATOS
Pasos estadísticos que permite garantizar que los datos tengan una buena calidad para
la creación de los modelos.
3.1 INTEGRACIÓN: Si hay varias tablas deben unirse,
3.2 SELECCIÓN DE VARIABLES: quitar lo que no sirve
3.3 DESCRIPCIÓN ESTADÍSTICA: Hacer la descripción estadística(grafica).
3.4 LIMPIEZA DE ATÍPICOS:
3.5 LIMPIEZA DE NULOS:
3.6 CREACIÓN DE NUEVAS VARIABLES:
3.7 ANÁLISIS DE CORRELACIONES PARA REDUNDANCIA: Para buscar redundancia,
variables repetidas por ejemplo año de nacimiento y edad.
3.8 ANÁLISIS DE CORRELACIONES PARA IRRELEVANCIA (PREDICCIONES): Cuando hay
variables que no tienen nada que ver con la variable objetivo.
3.9 REDUCCIÓN DE DIMENSIÓN (OPCIONAL EN PREDICCIONES): PCA para reducir
dimensiones, solo en predicciones.
3.10 BALANCEO (CLASIFICACIÓN): Cuando la v objetivo está muy desbalanceada.
3.11 TRANSFORMACIONES: Siempre son lo ULTIMO. Antes de aplicar el modelo.
Dummies… etc.
4. MODELAMIENTO, EVALUACIÓN E INTERPRETACIÓN
Modelamiento es aplicar los métodos de ML, los que pacté en la etapa de
entendimiento de negocio.
4.1 CONFIGURACIÓN MÉTODOS DE MACHINE LEARNING: Finalmente a que configuración
se llegó con los métodos.
4.2 ANALISIS DE MEDIDAS DE CALIDAD: No es solo presentar las medidas, sino analizarlas
explícitamente. Muchas veces es necesaria explicar que son las medidas.
4.3 SELECCIÓN DEL MEJOR MODELO: El que se va a llevar a despliegue. Hay que tener
cuidado con el tiempo computacional en el despliegue (depende de donde se va a
desplegar no puede ser muy pesado), hay que tener en cuenta la calidad y el tiempo
computacional del despliegue. Es decir, hay que conocer la complejidad
computacional de los algoritmos de creación y de despliegue para poder seleccionar.
Para hacer la elección del mejor modelo hay que hacer prueba estadística que
muestre cuando hay diferencia estadística significativa (ANOVA, dice si existe o no
existe diferencia significativa en el desempeño medio)(Tukey, en cual existe o no
existe diferencia estadísticamente significativa).
5. DESPLIEGUE
5.1 PREDICCIÓN DE DATOS FUTUROS: Implica almacenar el modelo, crear tuberas o pipes
para el despliegue, levantar servicio web/local.
5.2 MONITOREO: No lo tiene CRISP. Captar con el cliente un tiempo de monitoreo dentro
del mismo tiempo del proyecto.
5.3 CRONOGRAMA DE MANTENIMIENTO O REENTRENAMIENTO: No lo tiene CRISP. Según
la periodicidad de los datos. El espacio más corto es generalmente c/mes.