Clase 1 - Introducción Flashcards
1
Q
Análisis de Datos:
A
Extraer conocimiento útil y comprensible desde grandes cantidades de datos.
2
Q
Fases en el proceso de análisis de datos.
A
- Preprocesado de datos
- Construcción de modelos de datos
- Evaluación y presentación del conocimiento
3
Q
Preprocesado.
A
- Limpieza de datos.
- Integración de datos.
- Selección de datos
- Transformación de datos
4
Q
Objetivos del análisis de datos
A
- Descripción de conceptos
- Análisis de asociacion
- Predicción (clasificación y regresión)
- Análisis de grupos (clusters), outliers y de evolución.
5
Q
CRISP-DM (Proceso de análisis de datos)
A
- Business understanding
- Data understanding
- Data preparation
- Modelling
- Evaluation
- Deployment
6
Q
Ejemplos: Credit Scoring
A
- Acelerar el proceso de calificación de créditos.
- Limitar el potencial de incremento de riesgo
- Aumentar el nivel de personalización
7
Q
Nuevos problemas
A
- Privacidad
- Falta de transparencia con el usuario
- Sesgos en los datos/algoritmos
8
Q
Ejemplo: Gestión de seguros y pricing
A
- Identificar casos de alto riesgo
- incrementar benefecios
- reducir reclamaciones
- valoración automática de riesgos y daños
9
Q
Ejemplo: Atención al cliente mediante chatbots
A
- Procesamiento de lenguaje natural
- captura información del usuario
10
Q
Ejemplo: Análisis de riesgos
A
- evaluación de modelos de riesgo de entidades bancarias
- test de estrés (determinar la estabilidad de un sistema bancario)
11
Q
Ejemplo: Análisis de market impact
A
- Aprender a reaccionar a cambios de mercado.
- mejorar habilidad de vender a clientes,
- manejar exposición a riesgos
12
Q
Ejemplo: Gestión de carteras
A
- definir estrategias de inversión
- predicciones sobre precios y volatilidad
13
Q
Ejemplo: Cumplimiento normativo
A
Regtech: facilitar a las entidades bancarias el cumplimiento de las normas
