El pre procesamiento de los datos es un pilar fundamental en la Ciencia de Datos. Limpiar y potenciar la base permite obtener resultados con una calidad óptima.
Con esta limpieza haremos el análisis exploratorio y así encontrar aquellas primeras relaciones que saltan a la vista.
Cuando queremos inferir de nuestra base de datos, a partir de una variable objetivo el aprendizaje supervisado nos ayudará a encontrar una respuesta.
Algoritmos como la regresión lineal, logística, Lasso, KNN, arboles de decisión, máquinas de soporte vectorial o redes neuronales nos permitirá encontrar soluciones.
Si queremos encontrar relaciones, pero no tenemos una variable objetivo, mediante el aprendizaje no supervisado podremos encontrar agrupaciones o relaciones de nuestro interés y así saber el comportamiento de nuestra base.
Aplicar métodos como agrupación jerárquica, k- medias, k-meoides, KNN, dendrogramas, Analisis de Componentes Principales y métodos más modernos como son el t-SNE y el UMAP, nos permitirá resolver estos problemas.
Cuando queremos predecir el comportamiento de una variable a través del tiempo y si este tiene cierto patrón predictivo, las series de tiempo serán de gran utilidad.
Uso de algoritmos como Holt-Winters, ARIMA, GARCH o incluso redes neuronales nos permitirá encontrar respuestas.
Aquí buscamos solucionar problemas relaciones con pérdidas, el riesgo que mantiene cierto tipo de inversión, que umbrales máximos se deben manejar para cubrir las pérdidas generadas en algún tipo de Riesgo Operativo o de otra naturaleza.
Adicionalmente, encontrar el valor presente actuarial, encontrar el costo de primas, monto de pensiones, anualidades y otros de naturaleza actuarial con el fin de saber la sostenibilidad de un fondo de pensiones o un plan de beneficios de una empresa.