Una herramienta para el análisis preliminar de datos y el aprendizaje automático

Abstract

Dentro del análisis y representación de datos hay una amplia gama de herramientas disponibles, esto se debe a la importancia que ha cobrado en los últimos años la posibilidad de extraer información de los datos. Los procesos de digitalización en empresas y sector público así como la generación de datos desde múltiples fuentes, ha permitido producir ingentes cantidades de datos que requieren de las herramientas adecuadas si se desea extraer la información asociada. Este proyecto plantea la aproximación al tratamiento de los datos mediante el desarrollo de un framework que permite una iniciación sencilla y automática al análisis de datos y a la generación de modelos de aprendizaje automático a usuarios no necesariamente especializados. El framework proporciona facilidades para el tratamiento preliminar de los datos y para la generación de modelos con los que poder realizar estimaciones . El proyecto ha sido desarrollado empleando el lenguaje de programación Python, debido a la amplitud de librerías con las que cuenta este lenguaje. Para mejorar la calidad del código y agilizar el diseño se han empleado los patrones de diseño, en concreto el patrón de comportamiento estrategia. Esto facilita la implementación de nuevas representaciones o métodos para el aprendizaje automático, creando una herramienta flexible y fácilmente extensible.

Within the analysis and representation of data there is a wide range of tools available, this is due to the importance that the possibility of extracting information from data has gained in recent years. The digitization processes in companies and the public sector, as well as the generation of data from multiple sources, have made it possible to produce huge amounts of data that require the appropriate tools if the associated information is to be extracted. This project proposes the approach to data processing through the development of a framework that allows a simple and automatic initiation to data analysis and the generation of machine learning models to users who are not necessarily specialized. The framework provides facilities for the preliminary treatment of data and for the generation of models with which to make estimates. The project has been developed using the Python programming language, due to the wide range of libraries available in this language. To improve the quality of the code and speed up the design, design patterns have been used, specifically the strategy behavior pattern. This facilitates the implementation of new representations or methods for machine learning, creating a flexible and easily extensible tool.