Comunicación de resultados de ciencia de datos

Descripción

Nota importante: La segunda tarea en este curso cubre el tema de Análisis de gráficos en la nube, en el que utilizará Elastic MapReduce y el lenguaje Pig para realizar análisis de gráficos en un conjunto de datos moderadamente grande, de aproximadamente 600 GB. Para completar esta tarea, deberá utilizar Amazon Web Services (AWS). Amazon ha ofrecido generosamente proporcionar hasta $ 50 en crédito AWS gratis a cada alumno en este curso para permitirle completar la tarea. Más detalles sobre el proceso de recibir este crédito están disponibles en el mensaje de bienvenida del curso, así como en la tarea en sí. Tenga en cuenta que Amazon, la Universidad de Washington y Coursera no pueden reembolsarle ningún cargo si agota su crédito.

Si bien creemos que esta tarea contribuye con una excelente experiencia de aprendizaje en este curso, entendemos que algunos alumnos pueden ser incapaces o no estar dispuestos a usar AWS. No podemos emitir certificados de curso para estudiantes que no completen la tarea que requiere el uso de AWS. Como tal, no debe pagar un Certificado de curso para comunicar los resultados de datos si no puede o no desea usar AWS, ya que no podrá completar el curso con éxito sin hacerlo.

¡Hacer predicciones no es suficiente! Los científicos de datos eficaces saben cómo explicar e interpretar sus resultados, y comunicar los resultados con precisión a las partes interesadas para informar las decisiones comerciales. La visualización es el campo de investigación en informática que estudia la comunicación efectiva de resultados cuantitativos al vincular la percepción, la cognición y los algoritmos para explotar el enorme ancho de banda de la corteza visual humana. En este curso aprenderá a reconocer, diseñar y usar visualizaciones efectivas.

El hecho de que pueda hacer una predicción y convencer a otros para que actúen de acuerdo con ella no significa que deba hacerlo. En este curso, explorará las consideraciones éticas en torno a los grandes datos y cómo estas consideraciones están comenzando a influir en las políticas y la práctica. Aprenderá las limitaciones fundamentales del uso de la tecnología para proteger la privacidad y los códigos de conducta emergentes para guiar el comportamiento de los científicos de datos. También aprenderá la importancia de la reproducibilidad en la ciencia de datos y cómo la nube comercial puede ayudar a respaldar la investigación reproducible incluso para experimentos que involucran conjuntos de datos masivos, infraestructuras computacionales complejas, o ambos.

Objetivos de aprendizaje: después de completar este curso, podrá:
1. Diseño y visualizaciones críticas.
2. Explicar el estado del arte en privacidad, ética, gobernanza en torno a big data y data science
3. Utilice la computación en la nube para analizar grandes conjuntos de datos de manera reproducible.