Tecnología · 1o de Preparatoria · Datos, Información y Big Data · III Bimestre

Introducción a la Ciencia de Datos

Los estudiantes exploran el campo de la ciencia de datos, sus metodologías y el rol del científico de datos.

• Aprendizajes Esperados SEP
• SEP EMS: Inteligencia Artificial y Tecnologías Emergentes

Acerca de este tema

La ciencia de datos es un campo interdisciplinario que integra estadística, programación y conocimiento experto del dominio para extraer valor de grandes conjuntos de datos. En primer año de preparatoria, los estudiantes distinguen esta disciplina de la estadística tradicional por su enfoque en machine learning, visualizaciones dinámicas y toma de decisiones predictivas. Exploran el rol del científico de datos, quien recolecta, limpia, analiza y comunica insights para resolver problemas en sectores como salud, finanzas y comercio.

Este tema se conecta con los estándares SEP de Inteligencia Artificial y Tecnologías Emergentes, al responder preguntas clave sobre diferencias metodológicas, habilidades laborales como programación en Python o R, manejo de bases de datos y pensamiento crítico, además del impacto en la innovación industrial. Fomenta competencias transversales como colaboración y ética en datos.

El aprendizaje activo beneficia este tema porque actividades prácticas con datos reales guían a los estudiantes por el ciclo completo: desde la exploración hasta la presentación de resultados. Proyectos en equipo simulan flujos laborales auténticos, convierten conceptos abstractos en experiencias concretas y motivan la retención a largo plazo.

Preguntas Clave

1. ¿Cómo se diferencia la ciencia de datos de la estadística tradicional?
2. ¿Qué habilidades son esenciales para un científico de datos en el mercado laboral actual?
3. ¿De qué manera la ciencia de datos impulsa la innovación en diversas industrias?

Objetivos de Aprendizaje

• Comparar las metodologías de la ciencia de datos con las de la estadística tradicional, identificando las diferencias clave en su enfoque y herramientas.
• Identificar las habilidades técnicas y blandas esenciales para un científico de datos, como programación, manejo de bases de datos y pensamiento crítico.
• Explicar cómo la ciencia de datos impulsa la innovación en al menos dos industrias específicas, citando ejemplos concretos.
• Analizar el ciclo de vida de los datos, desde la recolección y limpieza hasta el análisis y la comunicación de resultados.

Antes de Empezar

Conceptos Básicos de Estadística

Por qué: Los estudiantes necesitan una base en conceptos como media, mediana, moda y tipos de datos para comprender los fundamentos del análisis de datos.

Introducción a la Programación (si aplica)

Por qué: Una familiaridad básica con la lógica de programación y estructuras de control facilitará la comprensión de los lenguajes utilizados en ciencia de datos como Python o R.

Manejo de Hojas de Cálculo

Por qué: La experiencia con herramientas como Excel o Google Sheets ayuda a los estudiantes a entender la organización de datos en filas y columnas, un paso previo al manejo de bases de datos más complejas.

Vocabulario Clave

Ciencia de Datos	Campo interdisciplinario que utiliza métodos científicos, procesos, algoritmos y sistemas para extraer conocimiento e insights de datos estructurados y no estructurados.
Big Data	Conjuntos de datos extremadamente grandes y complejos que requieren herramientas y técnicas especializadas para su procesamiento y análisis.
Machine Learning	Subcampo de la inteligencia artificial que permite a los sistemas aprender de los datos y mejorar su rendimiento en tareas específicas sin ser programados explícitamente.
Visualización de Datos	Representación gráfica de información y datos para facilitar la comprensión y el análisis de tendencias, valores atípicos y patrones.
Científico de Datos	Profesional que combina habilidades en estadística, programación y conocimiento del negocio para analizar datos, construir modelos y comunicar hallazgos.

Cuidado con estas ideas erróneas

Idea errónea común

La ciencia de datos es solo programación.

Qué enseñar en su lugar

La ciencia de datos requiere también estadística, conocimiento de dominio y comunicación. Actividades de roleo en equipo ayudan a los estudiantes a experimentar cada fase, corrigiendo la idea limitada mediante colaboración que revela la interdependencia de habilidades.

Idea errónea común

Es igual a la estadística tradicional.

Qué enseñar en su lugar

La estadística se centra en inferencia descriptiva, mientras la ciencia de datos usa algoritmos predictivos y big data. Debates estructurados permiten comparar métodos, donde el intercambio de ideas aclara diferencias y fortalece el razonamiento crítico.

Idea errónea común

No necesita ética ni contexto industrial.

Qué enseñar en su lugar

Los científicos de datos deben considerar sesgos y privacidad. Proyectos con datos reales de México exponen dilemas éticos, guiando discusiones que integran contexto y promueven responsabilidad profesional.

Ideas de aprendizaje activo

Roleo: Equipo de científicos de datos

Asigna roles como analista, programador y comunicador a cada grupo. Proporciona un dataset simple de ventas locales; limpian datos, generan gráficos y presentan recomendaciones. Discute lecciones al final.

45 min·Grupos pequeños

Mapa Conceptual: Metodologías clave

En parejas, crea un mapa que conecte recolección, limpieza, análisis y modelado. Usa ejemplos de industrias mexicanas como agricultura o turismo. Comparte y retroalimenta en plenaria.

30 min·Parejas

Debate guiado: Habilidades laborales

Divide la clase en dos bandos: técnicas vs. blandas. Prepara argumentos basados en perfiles reales de LinkedIn. Vota y concluye con lista consensuada de competencias esenciales.

40 min·Toda la clase

Exploración con Google Sheets: Datos locales

Individualmente, carga datos de población mexicana del INEGI. Calcula promedios, crea gráficos y responde: ¿qué insights impulsan innovación? Comparte hallazgos en galería.

35 min·Individual

Conexiones con el Mundo Real

• Empresas como Netflix utilizan la ciencia de datos para analizar los hábitos de visualización de sus usuarios y recomendar contenido personalizado, mejorando la experiencia del cliente y la retención.
• En el sector salud, científicos de datos analizan grandes volúmenes de datos de pacientes para predecir brotes de enfermedades, optimizar tratamientos y desarrollar nuevos medicamentos.
• Los sistemas de recomendación en plataformas de comercio electrónico, como Amazon, emplean algoritmos de ciencia de datos para sugerir productos basados en el historial de compras y navegación del usuario.

Ideas de Evaluación

Verificación Rápida

Presentar a los estudiantes una lista de tareas (ej. 'predecir el clima', 'calcular el promedio de calificaciones', 'diseñar un gráfico de barras'). Pedirles que identifiquen cuáles son más propias de la estadística tradicional y cuáles de la ciencia de datos, justificando brevemente su elección.

Pregunta para Discusión

Plantear la pregunta: 'Si fueras un científico de datos para una empresa de transporte público, ¿qué tipo de datos recolectarías y qué problema intentarías resolver?'. Guiar la discusión hacia la identificación de datos relevantes (horarios, rutas, ocupación) y objetivos (optimizar rutas, reducir tiempos de espera).

Boleto de Salida

Entregar a cada estudiante una tarjeta con el nombre de una habilidad (ej. 'Programación en Python', 'Comunicación efectiva', 'Análisis estadístico'). Pedirles que escriban una oración explicando por qué esa habilidad es importante para un científico de datos.

Preguntas frecuentes

¿Cómo se diferencia la ciencia de datos de la estadística tradicional?

La estadística tradicional analiza datos muestrales para inferencias generales con métodos como pruebas de hipótesis. La ciencia de datos procesa volúmenes masivos con machine learning para predicciones y automatización. Enfoca iteraciones rápidas y visualizaciones interactivas, ideal para big data en industrias reales como el e-commerce mexicano.

¿Qué habilidades son esenciales para un científico de datos en México?

Habilidades técnicas incluyen Python, SQL, machine learning y visualización con Tableau. Blandas como comunicación, trabajo en equipo y ética son clave. En el mercado laboral local, perfiles de empresas como BBVA o Pemex valoran experiencia con datos del INEGI y adaptabilidad a regulaciones como la Ley Federal de Protección de Datos.

¿De qué manera la ciencia de datos impulsa la innovación en industrias?

En salud predice brotes epidémicos; en agricultura optimiza cultivos con sensores IoT; en finanzas detecta fraudes. En México, transforma el nearshoring al analizar cadenas de suministro. Proyectos prácticos muestran cómo insights de datos generan eficiencia y nuevas oportunidades competitivas.

¿Cómo aplicar aprendizaje activo en introducción a la ciencia de datos?

Usa roleos y análisis de datasets locales para simular ciclos reales de data science. En small groups, estudiantes limpian datos del INEGI, crean modelos simples y presentan. Esto hace tangibles procesos abstractos, fomenta colaboración y conecta teoría con aplicaciones mexicanas, mejorando comprensión y motivación.