CIENCIAS DE DATOS

CIENCIAS DE DATOS

JOYANES AGUILAR LUIS

34,80 €
IVA incluido
Editorial:
MARCOMBO, S.A.
Año de edición:
2024
Materia
Informatica:temas generales
ISBN:
978-84-267-3738-0
Páginas:
462
Encuadernación:
Rústica

Disponibilidad:

  • LIBRERÍAS PICASSO - ALMERÍAEn stock
  • LIBRERÍAS PICASSO - GRANADAEn stock
34,80 €
IVA incluido
Añadir a favoritos

Prólogo ................................................ XV
A quién va dirigido el libro ................... XVI
Organización del libro .......................... XVII
Agradecimientos .................................. XXI
PARTE I. FUNDAMENTOS DE LA CIENCIA
DE DATOS
Capítulo 1. Ciencia de Datos: Conceptos,
habilidades, herramientas y aplicaciones
Introducción ........................................ 1
1.1. Definición de Ciencia de Datos .. 2
1.2. Disciplinas (Habilidades) de la
Ciencia de Datos ................................. 6
1.3. Dominios y Aplicaciones de la
Ciencia de Datos ................................. 8
1.3.1. Aplicaciones de la Ciencia de
Datos ................................................... 9
1.4. El proceso de la Ciencia de
Datos: El ciclo de vida ........................ 14
1.5. El científico de datos .................. 16
1.6. Herramientas y plataformas de
la Ciencia de Datos ............................. 18
1.7. Roles profesionales relacionados
con los datos y certificaciones
profesionales ...................................... 20
1.7.1. Certificaciones profesionales
en Data Science .................................. 22
1.8. Ética, sesgos y privacidad de
los datos .............................................. 22
1.9. Tendencias en la Ciencia de
Datos ................................................... 24
Resumen ............................................. 25
Bibliografía ........................................... 26
Recursos .............................................. 26
Notas .................................................... 27
Capítulo 2. El ecosistema de datos:
Big Data
Introducción ........................................ 29
2.1. Crecimiento exponencial de
datos .................................................... 30
2.2. Fuentes de datos ........................ 31
2.2.1. Tipos de fuentes de datos ...... 32
2.3. Definición, origen y evolución de
Big Data ............................................... 34
2.3.1. El origen moderno de
Big Data ............................................... 37
2.4. Taxonomía de datos ................... 38
2.4.1. Datos estructurados ................ 39
2.4.2. Datos no estructurados ........... 40
2.4.3. Datos semiestructurados ........ 40
2.4.4. Datos categóricos y
numéricos: escalas de medida .......... 41
2.5. Características de Big Data ........ 43
2.5.1. Modelo 3 V de Big Data .......... 43
2.5.2. Modelos 4 V y 5 V de IBM ....... 46
2.5.3. Modelo de las 7 V .................... 47
2.6. El tamaño de los Big Data .......... 48
2.7. Datos en las organizaciones y
empresas ............................................ 49
2.7.1. Datos internos ......................... 49
2.7.2. Datos externos ......................... 50
2.8. Arquitectura de Big Data ............ 50
2.8.1. Identificación de las fuentes
de datos .............................................. 51
2.8.2. Recolección (ingesta) de
datos .................................................... 51
2.8.3. Almacenamiento de datos ...... 52
2.8.4. Procesamiento y análisis de
datos .................................................... 52
2.8.5. Visualización de datos ............. 53
2.9. Tecnologías y herramientas de
Big Data ............................................... 54
Resumen ............................................. 55
Bibliografía ........................................... 56
Notas .................................................... 56
Capítulo 3. El proceso ciclo de vida
de la Ciencia de Datos y los científicos
de datos
Introducción ........................................ 59
3.1. Minería de Datos y Ciencia de
Datos ................................................... 60
3.2. Proceso tradicional de la Ciencia
de Datos .............................................. 61
3.2.1. Comprensión del negocio ....... 63
3.2.2. Comprensión de los datos ...... 64
3.2.3. Preparación de los datos ........ 64
3.2.4. Modelado de los datos ............ 65
3.2.5. Evaluación ................................ 65
3.2.6. Despliegue ............................... 65
3.3. Preparación (preprocesamiento)
de datos .............................................. 66
3.3.1 Limpieza de datos .................... 68
3.3.2. Integración de datos ................ 71
3.3.3. Transformación de datos ........ 72
3.3.4. Reducción de datos ................. 73
3.3.5. Discretización de datos ........... 74
3.4. Análisis exploratorio de los
datos .................................................... 74
3.4.1 Objetivos de la exploración de
datos .................................................... 75
3.5. El proceso de la Ciencia de
Datos en equipo (TDSP) de Microsoft:
ciclo de vida ........................................ 76
3.6. El científico de datos: rol
profesional .......................................... 79
3.7. Habilidades del científico de
datos .................................................... 80
3.7.1. Habilidades técnicas/duras
(hard skills) .......................................... 80
3.7.2. Habilidades no técnicas/
blandas (soft skills) ............................. 81
3.8. Herramientas de la Ciencia de
Datos y del científico de datos ........... 83
3.8.1. Portal Kaggle (caso de estudio
en Ciencia de Datos) .......................... 84
Resumen ............................................. 86
Bibliografía ........................................... 87
Recursos web ....................................... 87
Notas .................................................... 88
PARTE II. LA ANALÍTICA DE DATOS EN
LA CIENCIA DE DATOS
Capítulo 4. Analítica de datos
Introducción ........................................ 89
4.1. ¿Qué es la analítica de datos?
(Data Analytics) ................................... 90
4.2. Tipos de analítica de datos ........ 91
4.2.1. Analítica descriptiva
(Descriptive Analytics) ........................ 92
4.2.2. Analítica de diagnóstico .......... 93
4.2.3. Analítica predictiva (Predictive
Analytics) ............................................. 94
4.2.4. Analítica prescriptiva
(Prescriptive Analytics) ....................... 95
4.3. Analítica aumentada ................... 97
4.3.1. Democratización de los datos 98
4.3.2. Proveedores de soluciones
de software de analítica
aumentada .......................................... 100
4.4. Una visión global de la
analítica de Big Data .......................... 100
4.5. Categorías de analítica
utilizadas en la empresa .................... 102
4.6. Tipos de análisis de datos .......... 103
4.7. Proliferación de datos
sociales ................................................ 104
4.8. Analítica social ............................. 105
4.8.1. Métricas de social media ........ 106
4.9. Analítica de sentimientos ........... 107
Resumen ............................................. 109
Bibliografía ........................................... 110
Notas ..................................................... 111
Capítulo 5. Minería de Datos
Introducción ........................................ 113
Capítulo 6. Visualización de datos:
informes y consultas, cuadros de
mando (dashboards) y cuadro de
mando integral (CMI)
Introducción ........................................ 115
6.1. Conceptos generales de la
visualización de datos ........................ 116
6.2. Gráficos ........................................ 117
6.3. Tipos de gráficos ......................... 118
6.4. Mapas .......................................... 118
6.5. Infografías .................................... 124
6.6. Informes (reporting) y consultas
(query) .................................................. 126
6.6.1. Informes .................................... 126
6.6.2. Herramientas de informes ...... 127
6.6.3. Consultas .................................. 128
6.6.4. Informes GIS (Sistemas de
Información Geográfica) ..................... 128
6.7. Cuadros de mando
(dashboards) ....................................... 129
6.7.1. ¿Qué es un Cuadro de
Mando? ................................................ 129
6.7.2. Características de un
Cuadro de Mando ............................... 130
6.8. Narrativa de datos (data
storytelling) .......................................... 137
6.9. Cuadro de Mando Integral
(CMI) / Balanced Scorecard ............... 140
6.10. Herramientas de visualización
de datos ............................................... 140
Resumen ............................................. 141
Bibliografía ........................................... 142
Recursos web ....................................... 142
Notas ..................................................... 143
PARTE III. LOS PILARES TECNOLÓGICOS
DE LA CIENCIA DE DATOS
Capítulo 7. La Computación en
la Nube y la Ciencia de Datos
Introducción ........................................ 145
7.1. Computación en la Nube (Cloud
Computing): origen, evolución y
definición .............................................. 146
7.1.1. Antecedentes: el modelo
tradicional de computación ............... 146
7.1.2. Origen y evolución de la
Computación en la Nube ................... 147
7.1.3. Definición de computación en
la nube (Cloud Computing) ................ 148
7.2. Características del Cloud
Computing ........................................... 150
7.2.1. Características esenciales ...... 151
7.2.2. Características de la
Computación en la Nube que
facilitan su adopción .......................... 152
7.3. Modelos de Computación en la
Nube .................................................... 153
7.4. Modelos de servicio .................... 154
7.4.1 Software como servicio (SAAS,
Software As A Service) ....................... 155
7.4.2 Plataforma como servicio
(PAAS, Platform As A Service) ........... 155
7.4.3 Infraestructura como servicio
(IAAS, Infrastructure As A Service) .... 155
7.5. Modelos de despliegue de
la nube (tipos de nubes) .................... 156
7.5.1. Nube privada ........................... 157
7.5.2. Nube pública ............................ 158
7.5.3. Nube híbrida ............................ 159
7.5.4. Nube comunitaria .................... 159
7.6. La nube del futuro en las
organizaciones y empresas:.
la multinube (multicloud) ................... 160
7.6.1. Selección del modelo de nube 163
7.7. La emergencia de la nube
híbrida y la multinube ......................... 163
7.8. Proveedores de la nube ............. 165
7.8.1. Implantación de la nube en
las organizaciones y empresas ......... 169
7.8.2. Aspectos económicos .............. 170
7.9. Seguridad en la nube: retos y
amenazas ............................................ 171
7.10. Contratación de servicios de
Cloud Computing ................................ 172
7.11. Los centros de datos como
soporte de Cloud Computing .............. 173
7.12. La computación en la nube
en la Ciencia de Datos ....................... 174
Resumen ............................................. 175
Bibliografía ........................................... 176
Recursos web ....................................... 177
Notas .................................................... 178
Capítulo 8. Computación en el borde,
la nube nativa y la computación sin
servidores
Introducción ........................................ 179
8.1. Modelos Edge Computing
(Computación en el Borde) y Fog
Computing (Computación en la
Niebla) ................................................. 180
8.2. Edge Computing (Computación
en el Borde) ......................................... 181
8.2.1. Características de la
computación en el borde ................... 182
8.2.2. Aplicaciones de computación
en el borde .......................................... 184
8.3. Fog Computing (Computación
en la Niebla) ........................................ 184
8.4. Edge Computing versus Fog
Computing ........................................... 185
8.5. La Computación en el Borde
(Edge Computing) en 2022 y
siguientes años ................................... 187
8.6. Computación sin servidor
(Serverless computing) ...................... 188
8.6.1. Funcionamiento de la
computación sin servidor .................... 191
8.6.2. Función como servicio
(FAAS) .................................................. 191
8.6.3. Proveedores de servicios sin
servidor ................................................ 192
8.7. Metodología Devops ................... 193
8.8. Microservicios: Arquitectura de
microservicios ..................................... 196
8.9. Contenedores .............................. 201
8.9.1. Docker ...................................... 203
8.10. Orquestación de
contenedores ...................................... 203
8.10.1. Kubernetes ............................ 204
8.11. Orquestación de la nube .......... 205
8.11.1. Orquestación versus
coreografía .......................................... 206
8.12. La nube del futuro/evolución
de la nube ........................................... 207
8.13. Aplicaciones nativas de la
nube ..................................................... 209
8.13.1. ¿Qué es una aplicación
nativa de la nube? .............................. 209
8.13.2. Aplicaciones tradicionales
frente a aplicaciones nativas de la
nube ..................................................... 210
8.14. La Nube Nativa (Cloud Native) . 211
8.15. Cloud Native Computing
Foundation (CNCF) .............................. 212
Resumen ............................................. 214
Bibliografía ........................................... 216
Recursos ............................................... 216
Notas .................................................... 216
Capítulo 9. Almacenamiento de
datos: Data Warehouses y Data
Lakes
Introducción ........................................ 219
9.1. Data Warehouse: definición y
conceptos importantes ....................... 219
9.1.1. Características de un Data
Warehouse .......................................... 220
9.2. Data Mart ..................................... 222
9.2.1. Data Warehouse versus Data
Mart ..................................................... 224
9.3. Enfoques de desarrollo
(modelos) de un sistema de Data
Warehouse .......................................... 224
9.3.1. Modelo Inmon: modelo EDW .. 224
9.3.2. Modelo Kimball: el enfoque
del Data Mart ...................................... 225
9.3.3. Implantación práctica de un
Data Warehouse empresarial ............ 226
9.3.4. Data Warehouse 2.0 y Data
Warehouse en tiempo real ................. 226
9.4. Data Lakes (Lagos de datos):
los nuevos depósitos de
almacenamiento (repositorios) de
datos .................................................... 227
9.4.1. Origen del término Data
Lake ..................................................... 228
9.4.2. Definición de Data Lake .......... 228
9.4.3. Propiedades, ventajas e
inconvenientes de los Data Lakes .... 229
9.4.4. Proveedores de soluciones
de Data Lake ....................................... 230
9.5. Data Warehouse versus Data
Lake ..................................................... 230
9.6. Big Data y la Inteligencia
Artificial. Los pilares de los lagos
de datos ............................................... 234
9.7. Data Lakehouse (almacén de
lagos de datos) .................................... 236
9.7.1. Comparación de un Data
Warehouse, Data Lake y Data
Lakehouse ........................................... 237
9.7.2. Arquitectura de un lago de
datos y de un almacén de lagos de
datos .................................................... 240
9.8. Proveedores de Data Lake y de
Data Lakehouse en la nube ............... 241
Resumen ............................................. 243
Bibliografía ........................................... 243
Recursos ............................................... 244
Notas ..................................................... 244
Capítulo 10. La Inteligencia Artificial
en la Ciencia de Datos
Introducción ........................................ 245
10.1. Origen de la Inteligencia
Artificial ................................................ 246
10.2. ¿Qué es la Inteligencia
Artificial? .............................................. 247
10.2.1. Definiciones de la Unión
Europea ............................................... 249
10.2.2. Definiciones de consultoras;
Gartner de Information Technology
Glossary y Mckinsey ............................ 250
10.3. Componentes de la
Inteligencia Artificial ........................... 250
10.4. Evolución de la Inteligencia
Artificial ................................................ 251
10.5. Inteligencia Artificial Aplicada .. 253
10.6. Taxonomía de la Inteligencia
Artificial ................................................ 254
10.6.1. Tipos de Inteligencia
Artificial basados en aspectos
humanos y racionales ......................... 254
10.6.2. Tipos de Inteligencia
Artificial basados en capacidades y
funcionalidades de los sistemas ....... 255
10.7. Tipos de Inteligencia Artificial
basados en capacidades ................... 256
10.8. Tipos de Inteligencia Artificial
basados en la funcionalidad .............. 258
10.9. Aprendizaje Automático ........... 259
10.9.1. Aprendizaje Supervisado ...... 260
10.9.2. Aprendizaje no
Supervisado ........................................ 260
10.9.3. Aprendizaje
Semisupervisado ................................ 260
10.9.4. Aprendizaje Reforzado .......... 260
10.10. Aprendizaje Profundo ............. 261
10.11. Aprendizaje Automático
frente a Aprendizaje Profundo ........... 263
10.12. El uso ético de la
Inteligencia Artificial aplicada en la
Unión Europea, España y
Latinoamérica ..................................... 265
Resumen ............................................. 267
Bibliografía ........................................... 268
Recursos .............................................. 269
Notas .................................................... 269
Capítulo 11. La Inteligencia Artificial
del futuro: Inteligencia Artificial
Conversacional e Inteligencia
Artificial Generativa. El camino a la
Inteligencia Artificial General (AGI)
Introducción ........................................ 271
11.1. Procesamiento del Lenguaje
Natural (NLP) ...................................... 272
11.2. Técnicas utilizadas en el
análisis del NLP .................................. 274
11.2.1. Text Mining y Análisis de
Texto .................................................... 274
11.3. Casos de uso del NLP .............. 275
11.4. Componentes del NLP .............. 276
11.4.1. Comprensión del lenguaje
natural (Natural Language
Understanding, NLU) .......................... 277
11.4.2. NLG (Natural Language
Generation) o generación de
lenguaje natural .................................. 278
11.5. Sistemas de tecnologías de
voz (Speech Technologies) ................ 279
11.5.1. Aplicaciones de los sistemas
de reconocimiento del habla ............. 279
11.6. La Inteligencia Artificial
Conversacional ................................... 280
11.6.1. ¿Qué es la Inteligencia
Artificial Conversacional? ................... 281
11.7. Las tecnologías de la
Inteligencia Artificial Conversacional 281
11.7.1. Componentes de la
Inteligencia Artificial Conversacional 282
11.8. Sistemas
conversacionales ................................ 283
11.8.1. Arquitectura clásica de un
sistema conversacional (sistema de
diálogo hablado) ................................. 284
11.9. Chatbots y asistentes
virtuales ............................................... 287
11.10. ¿Qué es un chatbot? .............. 288
11.10.1. Tipos de chatbots según
su funcionalidad ................................. 289
11.10.2. Tipos de chatbots según la
interacción .......................................... 290
11.10.3. Tipos de chatbots según el
canal de comunicación ...................... 291
11.11. Asistentes virtuales ................ 291
11.11.1. Asistentes virtuales más
populares ............................................. 293
11.11.2. Asistentes de voz y
altavoces inteligentes ......................... 294
11.12.3. Asistentes virtuales
del futuro .............................................. 294
11.12. Inteligencia Artificial
Generativa ........................................... 295
11.12.1. Redes GAN .......................... 296
11.12.2. Codificadores automáticos
variacionales (Variational Auto-
Encoders, VAE) .................................... 297
11.12.3. Transformadores
(Transformers) .................................... 297
11.13. Modelos de lenguaje .............. 298
11.14. GPT-3: Modelo estándar de
lenguaje de referencia ....................... 299
11.15. Tipos de modelos de
lenguaje ............................................... 301
11.15.1. DALL-E 2 .............................. 301
11.15.2. LaMDA ................................. 303
11.15.3. PaLM .................................... 303
11.15.4. ChatGPT ............................... 304
Resumen ............................................. 305
Bibliografía ........................................... 306
Recursos web ....................................... 307
Notas .................................................... 307
Capítulo 12. Internet de las Cosas:
Los datos de los objetos inteligentes
en la Ciencia de Datos
Introducción ........................................ 309
12.1. ¿Qué es el Internet de las
Cosas (Internet of Things, IoT) ........... 310
12.2. Definición de Internet de las
Cosas ................................................... 312
12.3. Objetos inteligentes en
entornos inteligentes .......................... 314
12.4. Historia de Internet de las
Cosas ................................................... 315
12.5. Aplicaciones y casos de
estudio del Internet de las Cosas ...... 316
12.5.1. Casos de estudio de IoT ........ 317
12.6. Gemelos digitales (Digital
Twins) ................................................... 321
12.6.1. Definición ............................... 321
12.6.2. Historia de los gemelos
digitales ............................................... 322
12.6.3. Funcionamiento de los
gemelos digitales ................................ 323
12.6.4. Aplicaciones de los gemelos
digitales en la industria ...................... 323
12.7. Tecnologías y tendencias
habilitadoras del Internet de las
Cosas ................................................... 324
12.7.1. Tecnologías de carga de
baterías ................................................ 326
12.7.2. Otras tecnologías disruptivas
de impacto en el Internet de las
Cosas ................................................... 327
12.7.3. Caso de estudio:
Tecnologías Habilitadoras Digitales
(THD) .................................................... 327
12.8. Internet de Todo y las cuatro
fuentes de generación de datos ........ 328
12.9. La capa física de la red
(sensores, actuadores,
controladores) ..................................... 329
12.10. Ciudades inteligentes (Smart
Cities) ................................................... 331
12.10.1. Ciudades inteligentes y
sostenibles .......................................... 333
12.11. La seguridad en el Internet
de las Cosas ........................................ 333
12.11.1. Estado del arte .................... 333
12.12. La privacidad en el Internet
de las Cosas ........................................ 334
12.12.1 Normas legales, derecho y
aspectos regulatorios .......................... 335
Resumen ............................................. 336
Bibliografía ........................................... 336
Recursos ............................................... 338
Notas ..................................................... 338
Capítulo 13. Blockchain: Seguridad
y transparencia en los datos
Introducción ........................................ 339
13.1. Blockchain (cadena de
bloques): La nueva revolución de
Internet ................................................ 340
13.1.1. ¿Cómo nació Blockchain? ...... 341
13.2. Fundamentos de
Blockchain ........................................... 342
13.2.1. ¿Qué es Blockchain? ............. 343
13.2.2. Definición de Blockchain ...... 343
13.3. Blockchain: La visión del
NIST ...................................................... 344
13.3.1. ¿Qué es Blockchain según
el NIST? ................................................ 344
13.4. Funcionamiento de
Blockchain ........................................... 346
13.4.1. Proceso de las transacciones
en una cadena de bloques ................. 347
13.4.2. Componentes de
Blockchain: funcionamiento .............. 347
13.5. ¿Cuáles son las principales
aplicaciones de la tecnología
Blockchain? ......................................... 349
13.6. Tipos de Blockchain: pública,
privada e híbrida ................................. 350
13.7. Contratos inteligentes .............. 352
13.8. Trazabilidad ............................... 355
13.9. Identidad digital ........................ 357
13.10. Blockchain en la Ciencia de
Datos .................................................... 358
13.10.1. El Internet de las Cosas:
un registro de todas las cosas ........... 360
13.10.2. Aplicaciones del registro
de todas las cosas .............................. 360
13.11. Convergencia de Blockchain,
Inteligencia Artificial e Internet de las
Cosas en la Ciencia de Datos ............ 361
13.11.1. Hacia un modelo de
convergencia de Blockchain-IoT-AI .... 361
13.12. Tecnologías NFT (Non
Fungible Token) ................................... 362
Resumen ............................................. 369
Bibliografía ........................................... 370
Recursos ............................................... 370
Notas ..................................................... 371
PARTE IV. SEGURIDAD, PRIVACIDAD,
PROTECCIÓN Y ÉTICA DE LOS
DATOS
Capítulo 14. Seguridad y ciberseguridad
en la Ciencia de Datos
Introducción ........................................ 373
14.1. Seguridad y privacidad ............. 374
14.2. ¿Qué es la ciberseguridad? ..... 374
14.3. La ciberseguridad en tiempo
real ....................................................... 377
14.4. La seguridad de la información
y la privacidad en la informática en
la nube ................................................ 379
14.5. Infraestructuras críticas ........... 379
14.6. Ciclo de vida de la
ciberseguridad .................................... 381
14.7. Ciberamenazas: agentes y
tipos ..................................................... 383
14.8. Ciberataques: Herramientas
utilizadas por los atacantes ............... 384
14.9. Resiliencia ................................. 385
14.10. La web profunda, la web
invisible (Deep Web) ........................... 386
14.11. Los ciberriesgos ..................... 387
14.12. Directiva de ciberseguridad
de la Unión Europea: NIS/NIS 2 ........ 388
14.12.1. Nueva normativa NIS 2 de
la Unión Europea ................................. 389
14.13. Estrategias de
ciberseguridad de la UE: 2013 y
2020 .................................................... 389
14.13.1. Estrategias de
ciberseguridad de la UE: 2013 .......... 390
14.13.2. Estrategias de
ciberseguridad de la UE: 2020 .......... 390
14.13.3. Estrategias nacional de
ciberseguridad 2019 de España ....... 391
14.14. Reglamento europeo de
ciberseguridad .................................... 392
14.15. Organizaciones
internacionales ................................... 393
14.16. Tendencias en
ciberseguridad en 2022 y años
siguientes ............................................ 395
Resumen ............................................. 396
Bibliografía ........................................... 397
Recursos .............................................. 398
Notas .................................................... 398
Capítulo 15. Ética, privacidad,
protección de datos y compliance en
la Ciencia de Datos: Normas legales
y regulaciones, consorcios y
organizaciones
Introducción ........................................ 401
15.1. La ética y la responsabilidad
social de las empresas en el
ecosistema de la Ciencia de Datos ... 402
15.2. Evaluación de impacto en la
protección de datos ............................ 403
15.3. Reglamento de Protección
de Datos y Privacidad de la Unión
Europea ............................................... 404
15.3.1. Aspectos más sobresalientes
del reglamento vigente ....................... 404
15.3.2. Recomendaciones de la
AEPD sobre el reglamento GDPR ...... 405
15.4. El delegado de protección
de datos (DPD) .................................... 406
15.5. Evaluación de impacto en la
privacidad ............................................ 407
15.5.1. Privacidad desde el diseño ... 407
15.6. La privacidad en la Ciencia
de Datos .............................................. 410
15.6.1. Ley de privacidad de Cloud
Computing pionera en California ........ 411
15.7. El escudo de privacidad:
Unión Europea ? EE. UU. .................... 411
15.8. Compliance (cumplimiento
normativo) ........................................... 412
Resumen ............................................. 413
Bibliografía ........................................... 414
Recursos .............................................. 415
Notas .................................................... 415
PARTE V. EL FUTURO DE LA CIENCIA DE
DATOS
Capítulo 16. Tendencias tecnológicas
disruptivas en la Ciencia de Datos en
el horizonte 2025
Introducción ........................................ 417
16.1. Tendencias tecnológicas
estratégicas para 2023 (Gartner) ..... 418
16.1.1. Principales tendencias
tecnológicas estratégicas para
2023 (Gartner) .................................... 418
16.2 Tendencias tecnológicas en la
Ciencias de Datos de Forbes
(Bernard Marr) 2022 y 2023 ............. 421
16.2.1. Las cinco grandes tendencias
tecnológicas en la Ciencia de Datos
para 2022 según Forbes .................... 421
16.2.2. Las cinco grandes tendencias
tecnológicas en la Ciencia de Datos
para 2023 según Forbes .................... 422
16.3 Panorámica general de las
tendencias tecnológicas en la
Ciencia de Datos para 2022-2025 ... 423
16.4. La hiperconectividad en la
Ciencia de Datos del futuro: Redes
6G y Wi-Fi 7 ......................................... 424
16.4.1. Futuras redes Wi-Fi:
Wi-Fi 7 .................................................. 424
16.4.2. Futuras redes móviles: 6G .... 425
16.5. Computación cuántica .............. 426
16.6. El metaverso: El nuevo
universo digital .................................... 427
16.7. Web 3.0 ..................................... 428
16.8. Los NFT en convergencia con
la Ciencia de Datos ............................. 430
16.9. El futuro de las tecnologías
emergentes y su convergencia con
la Ciencia de Datos (Hype Cycle de
Gartner, agosto 2022) ........................ 431
16.10. El futuro del científico de
datos .................................................... 434
16.11. El futuro de la Ciencia de
Datos .................................................... 436
Resumen ............................................. 437
Bibliografía ........................................... 438
Recursos ............................................... 439
Notas ..................................................... 439

Descubra qué es la ciencia de datos y cómo contribuye al cambio de paradigma de investigación La ciencia de datos es un campo académico multidisciplinar que utiliza métodos, procesos y sistemas científicos para extraer conocimientos a partir de los datos. Ha adquirido gran popularidad en los últimos años debido al soporte de diversas disciplinas científicas y tecnológicas tradicionales, junto a la transversalidad de otras de gran impacto como los servicios en la nube, el Internet de las cosas, el Blockchain o la ciberseguridad. La demanda de profesionales en el campo de la ciencia de datos ha aumentado y ha supuesto un cambio significativo en empresas, organizaciones y carreras académicas. Si desea adentrarse en el mundo de la ciencia de datos, ha llegado al libro indicado. Ciencias de datos recoge las tecnologías, herramientas y aplicaciones de los soportes fundamentales de la ciencia de datos: o Aborda la multidisciplinaria naturaleza de la ciencia de datos y su popularidad en campos como las matemáticas, la estadística, la programación, la IA y el aprendizaje automático. o Explora tecnologías como BigData, IoT, servicios en la nube, IA, Blockchain y ciberseguridad, así como la ética y la privacidad. o Describe los avances recientes en lenguaje artificial y tecnología Blockchain, incluyendo NFT. Asimismo, el libro proporciona contenido relevante para todos los niveles, desde principiantes hasta expertos, con amplia bibliografía y recursos online. En la parte inferior de la primera página, encontrará el código de acceso que le permitirá descargar de forma gratuita los contenidos adicionales en www.marcombo.info. Sin duda, con esta lectura adquirirá los conocimientos más requeridos en la formación del científico de datos y en los roles profesionales asociados, como analista de datos, ingeniero de datos o ingeniero de aprendizaje automático. Luis Joyanes Aguilar es presidente de la Fundación I+D del Software Libro. Dr. en Ingeniería Informática por la Universidad de Oviedo y Dr. en Sociología por la Universidad Pontificia de Salamanca. Dr. Honoris Causa por la Universidad Privada Antenor Orrego de Trujillo (Perú), por la Universidad Sant Martín de Porres (Perú) y por la Universidad Inca Garcilaso de la Vega (Perú). Líder Académico del TEX de Monterrey, México, campus Querétaro. En abril de 2018 recibió la Mención Honorífica del Doctorado en Ingeniería de la Universidad Distrital Francisco José de Caldas, de Bogotá (Colombia). Ha escrito más de 40 libros sobre TIC y más de 150 artículos científicos y profesionales.

Artículos relacionados

Otros libros del autor