La disertación estará a cargo del Dr. Ing. Hernán Ahumada, docente de la cátedra Minería de Datos y Datawarehouse.
Organizado por el departamento de Informática de la referida unidad académica, la charla está destinada a estudiantes de Ingeniería en Informática, profesionales de ciencias de la computación y público en general interesado en la temática.
Hay inscriptos de Catamarca, La Rioja, Jujuy, Ciudad Autónoma de Buenos Aires, y de otros países como Chile y Colombia.
En la oportunidad, se verá dato, información, conocimiento; formas de producir conocimiento, ciencia de datos; business intelligence, data mining, big data; roles profesionales en ciencias de datos, saberes y tecnologías necesarias; impacto social de la ciencia de datos.
El seminario será transmitido en directo vía Youtube, accediendo al link http://bit.ly/Ver-Webinar-Ciencia-Datos
La ciencia de datos es la disciplina que busca generar información y conocimiento mediante métodos y tecnologías computacionales.
Es un campo interdisciplinario que involucra métodos científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de datos en sus diferentes formas, ya sea estructurados o no estructurados, lo cual es una continuación de algunos campos de análisis de datos como la estadística, la minería de datos, el aprendizaje automático y la analítica predictiva.
También se define la ciencia de datos como un concepto para unificar estadísticas, análisis de datos, aprendizaje automático y sus métodos relacionados para comprender y analizar los fenómenos reales, empleando técnicas y teorías extraídas de muchos campos dentro del contexto de las matemáticas, la estadística, la ciencia de la información y la informática.
El ganador del premio Turing, Jim Gray, imaginó la ciencia de datos como un "cuarto paradigma" de la ciencia (empírico, teórico, computacional y ahora basado en datos) y afirmó que "todo lo relacionado con la ciencia está cambiando debido al impacto de la tecnología de la información y el diluvio de datos".
En este nuevo paradigma, los investigadores se apoyan de sistemas y procesos que son muy diferentes a los utilizados en el pasado, como son modelos, ecuaciones, algoritmos, así como evaluación e interpretación de resultados.
