Sustentación de tesis
Preguntas del jurado en la sustentación de Big Data y Ciencia de Datos
39 preguntas que hace el jurado de Big Data y Ciencia de Datos, con lo que busca, cómo responder y una respuesta modelo.
Te respondemos en menos de 15 minutos, de 8:00 a.m. a 9:00 p.m., todos los días.
- Diagnóstico sin costo
- Garantía de devolución. Está en nuestro contrato.
- Jurado simulado por voz
- Preguntas
- 39
- Bloques
- 6
- Respuesta modelo
- En cada una
- Práctica
- Jurado por voz
La sustentación
Así es la sustentación de tu proyecto de Big Data y Ciencia de Datos.
En Big Data y Ciencia de Datos el título de profesional técnico se gana con un proyecto aplicado en una organización, no con una tesis universitaria. La Ley 30512 y su reglamento, el DS 010-2017-MINEDU, prevén para ese título el trabajo de aplicación profesional o el examen de suficiencia profesional, y el reglamento de tu instituto fija cómo se presenta y se evalúa. El proyecto típico toma datos reales de una empresa, los limpia, construye un modelo predictivo o un tablero de análisis y lo pone a trabajar en una decisión concreta: cuánto producir, a qué clientes llamar primero, qué camión revisar antes de que falle. Si estudias Ingeniería de Ciencia de Datos e Inteligencia Artificial en SENATI, esta guía también te sirve, porque el jurado examina lo mismo: de dónde salieron los datos, cómo los preparaste, qué métricas respaldan tu modelo y qué ganó la empresa al usarlo.
El jurado de un proyecto de datos desconfía de los números demasiado buenos. Va a preguntar cuántos registros descartaste en la limpieza, cómo separaste los datos de entrenamiento y de prueba, contra qué línea base comparaste tu modelo y si hubo fuga de información que infle la precisión. También pregunta por el sesgo: si el modelo trata peor a un grupo de clientes, y por la privacidad de los datos personales que usaste. Al final quiere ver el beneficio en soles o en horas, no solo un porcentaje de exactitud. Si llegas con tu notebook reproducible, tus métricas en el conjunto de prueba y el antes y después de la decisión que mejoraste, tu sustentación tiene base sólida.
Problema y objetivos del proyectoFundamento técnico: datos, modelos y métricasMetodología: fuentes de datos, limpieza y validaciónIndicadores, resultados y costo beneficioDiscusión y conclusionesÉtica, sesgo, privacidad y aplicación en la empresa
Bloque 01
Problema y objetivos del proyecto.
01¿Qué decisión de la empresa mejora su modelo?
Qué busca el jurado
Comprobar que el proyecto de datos sirve a una decisión concreta y no es un ejercicio de modelado sin uso.
Cómo responder
Describe la decisión, quién la toma, cómo se tomaba antes y qué costo tenía equivocarse.
Respuesta modelo
“La panificadora industrial de Trujillo decidía cada tarde cuánto producir de cada producto para el día siguiente, con base en la experiencia del jefe de producción. En los registros de seis meses encontré días con mucha merma y otros con pedidos que no se pudieron atender. Mi proyecto construye un modelo de pronóstico de demanda diaria por producto para apoyar esa decisión.”
02¿Cómo diagnosticó el problema antes de construir el modelo?
Qué busca el jurado
Ver que el estudiante analizó el proceso y los datos antes de elegir una técnica.
Cómo responder
Explica el análisis inicial del proceso y de los datos que mostró dónde estaba el problema.
Respuesta modelo
“Con un Pareto de las mermas vi que cinco productos concentraban la mayor parte de las pérdidas. Luego hice un análisis exploratorio de las ventas y encontré patrones claros por día de la semana, feriados y fin de mes que el método manual no consideraba. Eso me indicó que un modelo con esas variables podía mejorar el pronóstico.”
03¿Cuál es su objetivo general y con qué indicador lo mide?
Qué busca el jurado
Verificar que el objetivo combina una métrica técnica y un indicador del negocio.
Cómo responder
Di el objetivo con la métrica del modelo y el indicador de negocio que esperas mover.
Respuesta modelo
“Mi objetivo general fue desarrollar un modelo que priorice a los socios con mayor riesgo de mora en la cooperativa de Cusco, para que el área de cobranza los contacte antes del vencimiento. Mido el modelo con la sensibilidad en el conjunto de prueba y el resultado con el porcentaje de cuotas pagadas a tiempo en la cartera gestionada.”
04¿Por qué un modelo predictivo y no un simple reporte?
Qué busca el jurado
Medir si el estudiante sabe justificar la complejidad de la solución.
Cómo responder
Explica qué aporta la predicción frente al análisis descriptivo y por qué la empresa la necesita.
Respuesta modelo
“El reporte mensual de mora le decía a la cooperativa quiénes ya estaban atrasados, cuando la cobranza ya era más difícil. El modelo estima el riesgo antes del vencimiento, con lo que el asesor puede llamar a tiempo. Un reporte describe el pasado; el modelo permite actuar antes.”
05¿Cuál es el alcance de su proyecto?
Qué busca el jurado
Comprobar que el estudiante delimitó datos, periodo, productos o segmentos y el uso del modelo.
Cómo responder
Indica periodo de datos, unidades de análisis, variables, horizonte de predicción y lo que no incluye.
Respuesta modelo
“Trabajé con 24 meses de ventas diarias de los 18 productos de mayor rotación de la panificadora, con pronóstico a un día. No incluí los pedidos especiales para eventos, que se programan con anticipación, ni los productos de temporada como el panetón, porque tienen otra dinámica de demanda.”
06¿Qué es big data en su proyecto? ¿Realmente necesitaba esas herramientas?
Qué busca el jurado
Ver que el estudiante no exagera el volumen de datos y elige la herramienta por necesidad.
Cómo responder
Describe el volumen, la velocidad y la variedad de tus datos, y justifica la herramienta que usaste.
Respuesta modelo
“En el proyecto de la flota de Ica sí: los 60 camiones envían posición, velocidad y consumo cada diez segundos, lo que suma millones de registros al mes. Por eso procesé con un motor distribuido y guardé en formato columnar. En el pronóstico de la panificadora, en cambio, los datos caben en una computadora y usé Python y SQL sin herramientas distribuidas.”
07¿Cuáles son sus objetivos específicos?
Qué busca el jurado
Ver que los objetivos siguen las etapas del ciclo de vida de un proyecto de datos.
Cómo responder
Relaciona cada objetivo con una etapa: datos, preparación, modelado, evaluación e implementación.
Respuesta modelo
“Son cuatro: integrar y limpiar los datos de ventas, producción y calendario; construir y comparar modelos de pronóstico; evaluar el mejor modelo frente al método actual, y llevarlo a un tablero que el jefe de producción consulte cada tarde. Seguí las fases de la metodología CRISP DM, y cada objetivo tiene su resultado en el informe.”
Bloque 02
Fundamento técnico: datos, modelos y métricas.
08¿Por qué eligió ese algoritmo?
Qué busca el jurado
Comprobar que la elección del modelo se basa en el problema, los datos y la comparación con alternativas.
Cómo responder
Explica qué modelos comparaste, con qué métrica y por qué el elegido es el más adecuado, no solo el más exacto.
Respuesta modelo
“Comparé una regresión logística, un árbol de decisión, un bosque aleatorio y un modelo de gradient boosting. El boosting tuvo la mejor sensibilidad, pero la regresión logística quedó muy cerca y es más fácil de explicar a los asesores. Elegí el boosting por la diferencia en socios detectados, y uso valores SHAP para explicar cada predicción.”
09¿Qué métricas usó para evaluar su modelo y por qué?
Qué busca el jurado
Es la pregunta técnica central: el jurado verifica que la métrica corresponde al problema.
Cómo responder
Nombra las métricas, explica qué mide cada una y por qué es la adecuada para el costo del error en tu caso.
Respuesta modelo
“Para el pronóstico usé el error absoluto medio, en unidades de pan, porque el jefe de producción lo entiende directamente, y el error porcentual absoluto medio para comparar productos de distinto volumen. No usé solo el error cuadrático, porque castiga mucho los días atípicos como feriados largos y distorsiona la comparación.”
10Su modelo tiene 94 por ciento de exactitud. ¿Eso es bueno?
Qué busca el jurado
Detectar si el estudiante cae en la trampa de la exactitud con clases desbalanceadas.
Cómo responder
Explica la proporción de clases, por qué la exactitud engaña en ese caso y qué métricas son más informativas.
Respuesta modelo
“No por sí sola. Solo 8 por ciento de los socios cae en mora, así que un modelo que diga que nadie caerá tendría 92 por ciento de exactitud sin servir para nada. Por eso evalúo con la sensibilidad, la precisión, el F1 y el área bajo la curva ROC, y muestro la matriz de confusión en el conjunto de prueba.”
11Explique la matriz de confusión de su modelo.
Qué busca el jurado
Ver que el estudiante interpreta errores en términos del negocio.
Cómo responder
Lee cada celda con números y explica qué significa cada tipo de error para la empresa.
Respuesta modelo
“De 420 socios del conjunto de prueba, 34 cayeron en mora. El modelo identificó correctamente a 27 y no detectó a 7, que son los falsos negativos y el error más caro, porque esos socios no reciben llamada. Además marcó como riesgosos a 41 socios que pagaron bien; para la cooperativa ese error cuesta solo una llamada preventiva.”
12¿Qué es el sobreajuste y cómo lo controló?
Qué busca el jurado
Comprobar un concepto básico de aprendizaje automático que el jurado espera dominado.
Cómo responder
Define el sobreajuste y explica las técnicas que usaste para evitarlo y cómo lo verificaste.
Respuesta modelo
“El sobreajuste ocurre cuando el modelo memoriza los datos de entrenamiento y falla con datos nuevos. Lo controlé limitando la profundidad de los árboles, usando validación cruzada para elegir hiperparámetros y comparando el error en entrenamiento y en prueba. La diferencia entre ambos fue pequeña, lo que indica que el modelo generaliza.”
13¿Qué variables construyó y cuáles resultaron más importantes?
Qué busca el jurado
Ver el trabajo de ingeniería de variables y la conexión con el conocimiento del negocio.
Cómo responder
Describe las variables que creaste, por qué las propusiste y cuáles pesaron más en el modelo.
Respuesta modelo
“Construí variables de día de la semana, feriado, día previo a feriado, quincena y fin de mes, y las ventas de los mismos días en las semanas anteriores. Las más importantes fueron las ventas del mismo día la semana anterior y el indicador de quincena. El jefe de producción confirmó que en quincena las bodegas piden más.”
14¿Qué arquitectura de datos usó para procesar la información de la flota?
Qué busca el jurado
En proyectos de big data, medir dominio de la ingesta, el almacenamiento y el procesamiento.
Cómo responder
Describe el flujo desde la fuente hasta el tablero o el modelo, con las herramientas de cada etapa.
Respuesta modelo
“Los datos de GPS y combustible llegan del proveedor de telemetría por una API cada hora. Un proceso programado los descarga, los guarda sin cambios en una zona de datos crudos, luego los limpia y agrega por viaje en un motor distribuido y los guarda en formato columnar. El tablero y el modelo de detección de consumo anómalo leen de la capa ya procesada.”
Bloque 03
Metodología: fuentes de datos, limpieza y validación.
15¿De dónde salen sus datos y cuántos registros tiene?
Qué busca el jurado
Comprobar la trazabilidad de los datos, que en ciencia de datos equivale a la población y la muestra.
Cómo responder
Indica las fuentes, el periodo, el número de registros antes y después de la limpieza y quién autorizó el uso.
Respuesta modelo
“Los datos salen del sistema de créditos de la cooperativa: 2100 socios con cuotas entre enero de 2023 y junio de 2025, unos 38 000 registros de cuotas. La gerencia autorizó el uso por escrito, con los datos seudonimizados. Después de la limpieza quedaron 2040 socios, porque excluí créditos reprogramados por el área legal.”
16¿Cómo limpió los datos?
Qué busca el jurado
Ver que el estudiante trató valores faltantes, duplicados y atípicos con criterio y documentación.
Cómo responder
Recorre los problemas que encontraste, la decisión que tomaste con cada uno y cuántos registros afectó.
Respuesta modelo
“Encontré ventas duplicadas por un error de sincronización del sistema de caja, que eliminé, y días sin registro por fallas de luz, que marqué como faltantes en vez de poner cero. Los días con ventas anormalmente altas los revisé con el jefe de producción: eran pedidos especiales y los separé. Cada decisión está en una tabla del informe con el número de registros afectados.”
17¿Cómo separó los datos de entrenamiento y de prueba?
Qué busca el jurado
Comprobar que la evaluación es honesta y que no hay fuga de información.
Cómo responder
Explica la partición, su proporción y por qué es adecuada al tipo de datos.
Respuesta modelo
“Como son datos en el tiempo, no mezclé al azar: entrené con los primeros 20 meses y probé con los cuatro últimos, simulando cómo se usaría el modelo. Mezclar al azar habría permitido que el modelo viera el futuro y habría inflado el resultado. Para ajustar hiperparámetros usé validación cruzada temporal dentro del periodo de entrenamiento.”
18¿Cómo descartó la fuga de información en su modelo?
Qué busca el jurado
Detectar el error más grave en modelos predictivos: usar variables que no estarían disponibles al momento de predecir.
Cómo responder
Explica qué variables revisaste y cuáles excluiste porque se conocen después del evento.
Respuesta modelo
“Revisé cada variable con la pregunta de si la conozco el día que tengo que predecir. Excluí el número de llamadas de cobranza y los días de atraso de la cuota actual, porque se generan después del vencimiento y inflarían artificialmente la sensibilidad del modelo. Solo quedaron variables conocidas al menos diez días antes del vencimiento.”
19¿Contra qué línea base comparó su modelo?
Qué busca el jurado
Ver que la mejora se mide frente a la forma en que la empresa decidía antes.
Cómo responder
Describe la línea base, cómo la calculaste con los mismos datos de prueba y cuánto la supera tu modelo.
Respuesta modelo
“La línea base fue el método del jefe de producción: producir lo mismo que el mismo día de la semana anterior más un margen fijo. Lo apliqué a los mismos cuatro meses de prueba. Mi modelo redujo el error absoluto medio de 62 a 38 unidades por producto y día frente a esa línea base.”
20¿Cómo validó que sus resultados tienen sentido para el negocio?
Qué busca el jurado
Comprobar que el modelo fue revisado por quienes conocen el proceso.
Cómo responder
Explica cómo presentaste resultados intermedios a los usuarios y qué observaciones incorporaste.
Respuesta modelo
“Mostré al jefe de cobranza los veinte socios con mayor riesgo según el modelo, sin decirle el puntaje, y reconoció a la mayoría como casos difíciles. También le mostré las variables más importantes y observó que la variable de agencia reflejaba la zona de un asesor que había renunciado. Revisé esa variable y la reemplacé por una de antigüedad del asesor asignado.”
21¿Sus resultados son reproducibles?
Qué busca el jurado
Ver que otra persona puede obtener los mismos resultados con el mismo código y datos.
Cómo responder
Menciona el control de versiones, la semilla aleatoria, el registro de dependencias y la variación entre corridas.
Respuesta modelo
“El código está en un repositorio con un archivo de dependencias y la versión del conjunto de datos usada. Fijé la semilla aleatoria y repetí el entrenamiento cinco veces con semillas distintas: la sensibilidad varió menos de dos puntos porcentuales. Cualquier persona con acceso a los datos puede ejecutar el notebook y obtener mis tablas.”
Jurado simulado
Ensaya estas preguntas en voz alta antes del día.
En tu plataforma de estudio un jurado simulado te pregunta y te repregunta por voz sobre tu propio proyecto, como el día de la sustentación.
Conoce tu plataforma de estudioBloque 04
Indicadores, resultados y costo beneficio.
22Muestre los indicadores del negocio antes y después del modelo.
Qué busca el jurado
Es la pregunta decisiva: el jurado quiere ver que el modelo cambió un resultado de la empresa.
Cómo responder
Presenta una tabla con el indicador de negocio antes y después, el periodo de comparación y la variación.
Respuesta modelo
“En los dos meses de uso del pronóstico, la merma de los cinco productos críticos bajó de 9,1 a 5,4 por ciento de lo producido, y los pedidos no atendidos por falta de producto bajaron de 23 a 9 en el mismo número de días. Comparé con los mismos meses del año anterior para controlar la estacionalidad.”
23¿Cuánto costó el proyecto?
Qué busca el jurado
Comprobar que el estudiante conoce el costo total, incluidas horas y servicios.
Cómo responder
Detalla horas de trabajo valorizadas, servicios en la nube, licencias y capacitación.
Respuesta modelo
“El costo principal son mis 450 horas valorizadas al costo hora de un analista de datos junior. Sumé el servicio en la nube para el proceso diario y el tablero, y dos sesiones de capacitación al personal. Usé herramientas de código abierto, así que no hubo licencias de software.”
24¿Cuál es el beneficio económico y cómo lo calculó?
Qué busca el jurado
Ver que el beneficio se calcula con datos de la empresa y de forma conservadora.
Cómo responder
Traduce la mejora del indicador a soles con el costo unitario o el margen que te dio la empresa, y explica los supuestos.
Respuesta modelo
“Con el costo de producción por unidad que me dio el área de costos, la reducción de merma equivale a un ahorro mensual que calculé producto por producto. A eso sumé el margen de los pedidos que antes se perdían. No incluí beneficios difíciles de medir, como la satisfacción de las bodegas, para no inflar el resultado.”
25¿En cuánto tiempo se recupera la inversión? ¿Calculó VAN y TIR?
Qué busca el jurado
Comprobar la evaluación económica del proyecto.
Cómo responder
Presenta el periodo de recuperación y, si la inversión lo amerita, el VAN y la TIR con su tasa y horizonte.
Respuesta modelo
“Con el beneficio neto mensual, descontando el servicio en la nube, la inversión se recupera en cuatro meses. Calculé el VAN a dos años con la tasa que la cooperativa usa para evaluar proyectos y resultó positivo; la TIR supera ampliamente esa tasa. Incluí un escenario donde el modelo pierde precisión en el segundo año.”
26¿Qué resultado tuvo el modelo con datos nuevos, después de implementarlo?
Qué busca el jurado
Ver que el estudiante monitoreó el modelo en producción y no se quedó con la evaluación inicial.
Cómo responder
Compara la métrica en prueba con la métrica real después de implementar, y explica la diferencia.
Respuesta modelo
“En prueba la sensibilidad fue de 79 por ciento; en los tres meses de uso real fue de 74 por ciento. La diferencia se explica porque en ese periodo la cooperativa lanzó un producto de crédito nuevo que el modelo no conocía. Dejé un tablero de monitoreo y recomendé reentrenar cada trimestre.”
27¿Cuántas horas de trabajo ahorra el proyecto de la flota?
Qué busca el jurado
Medir el beneficio operativo de la automatización del procesamiento de datos.
Cómo responder
Compara el tiempo del proceso manual anterior con el automatizado y valoriza la diferencia.
Respuesta modelo
“Antes, un analista descargaba los reportes de cada camión y los consolidaba en hojas de cálculo, lo que le tomaba dos días a la semana. Ahora el proceso es automático y el tablero se actualiza cada hora. Además, el modelo detectó en el primer mes tres camiones con consumo anómalo, y en dos de ellos el taller encontró fugas de combustible.”
28¿Cómo eligió el umbral de decisión del modelo?
Qué busca el jurado
Comprobar que el estudiante ajustó el modelo al costo real de cada error y a la capacidad operativa.
Cómo responder
Explica cómo el umbral equilibra falsos positivos y negativos según la capacidad del equipo y el costo de cada error.
Respuesta modelo
“El área de cobranza tiene capacidad para unas 150 llamadas preventivas por semana. Con el umbral por defecto de 0,5 el modelo marcaba pocos socios y perdía muchos casos; bajé el umbral hasta que la lista semanal coincidiera con esa capacidad. Así maximicé los socios en riesgo detectados sin saturar a los asesores.”
Bloque 05
Discusión y conclusiones.
29¿La mejora se debe a su modelo o a otros factores?
Qué busca el jurado
Ver que el estudiante consideró variables externas que pueden explicar el resultado.
Cómo responder
Explica cómo controlaste estacionalidad y otros cambios, y qué no pudiste controlar.
Respuesta modelo
“Comparé con los mismos meses del año anterior y verifiqué que no cambiaron los clientes principales ni la línea de productos. Sin embargo, en ese periodo la panificadora también cambió de proveedor de harina, lo que no afecta la demanda pero sí pudo influir en el rendimiento de producción. Lo menciono como factor que no controlé.”
30¿Sus conclusiones responden a sus objetivos?
Qué busca el jurado
Verificar coherencia entre objetivos, métricas y conclusiones.
Cómo responder
Lee el objetivo general y la conclusión, con las métricas técnicas y de negocio que la respaldan.
Respuesta modelo
“Mi objetivo era priorizar a los socios en riesgo para la cobranza preventiva. El modelo detectó 74 por ciento de los casos de mora en uso real, y en la cartera gestionada las cuotas pagadas a tiempo subieron de 86 a 91 por ciento. Concluyo que el objetivo se cumplió, con la limitación de que el periodo de uso es corto.”
31¿Qué limitaciones tiene su modelo?
Qué busca el jurado
Ver que el estudiante reconoce los límites del modelo y del dato.
Cómo responder
Habla de calidad de datos, cambios en el entorno, variables ausentes y periodo de evaluación.
Respuesta modelo
“El modelo no tiene información sobre ingresos actualizados del socio, que es una variable muy relevante y la cooperativa no la registra de forma sistemática. Además, un cambio fuerte en la economía de la zona, como una mala campaña agrícola, puede alterar los patrones con los que aprendió. Por eso debe monitorearse y reentrenarse.”
32¿Por qué su resultado difiere de lo que reportan otros proyectos similares?
Qué busca el jurado
Medir la capacidad de comparar con referencias y explicar diferencias con causas técnicas.
Cómo responder
Compara datos, variables, métricas y contexto, y explica la diferencia sin descalificar a las referencias.
Respuesta modelo
“Los trabajos que revisé sobre pronóstico de demanda en panificación reportan errores menores, pero trabajan con supermercados que tienen ventas más estables y datos de varios años. Mi panificadora vende a bodegas, con más variación diaria y menos historia registrada. Por eso comparo principalmente contra la línea base del propio negocio.”
33¿Qué recomendaciones deja a la empresa?
Qué busca el jurado
Confirmar que el estudiante piensa en la continuidad del modelo.
Cómo responder
Propón acciones sobre monitoreo, reentrenamiento, calidad de datos y uso responsable.
Respuesta modelo
“Recomiendo revisar mensualmente el tablero de monitoreo, reentrenar el modelo cada trimestre y registrar de forma sistemática los ingresos del socio en cada renovación de crédito. También que la decisión final de cada gestión la tome siempre el asesor, usando el puntaje como apoyo y no como sentencia.”
Bloque 06
Ética, sesgo, privacidad y aplicación en la empresa.
34¿Su modelo puede discriminar a algún grupo de clientes?
Qué busca el jurado
Es una pregunta segura en ciencia de datos: el jurado verifica que el estudiante evaluó el sesgo del modelo.
Cómo responder
Explica qué variables sensibles excluiste, cómo comparaste el desempeño entre grupos y qué encontraste.
Respuesta modelo
“No usé sexo, edad ni lugar de nacimiento como variables. Aun así, comparé la sensibilidad y la tasa de falsos positivos entre socios de agencias urbanas y rurales, porque la agencia puede actuar como variable indirecta. Encontré más falsos positivos en zonas rurales, ajusté el modelo con datos balanceados por agencia y la diferencia se redujo.”
35¿Cómo protegió los datos personales que usó?
Qué busca el jurado
Comprobar que el estudiante aplicó la protección de datos personales durante todo el proyecto.
Cómo responder
Explica la autorización, la seudonimización, el acceso restringido y qué hiciste con los datos al terminar.
Respuesta modelo
“La cooperativa me entregó los datos con el DNI y el nombre reemplazados por un código, y la tabla de correspondencia quedó en su poder. Trabajé en un equipo de la cooperativa, sin copiar datos a mi computadora personal. La Ley 29733 y su reglamento, aprobado por DS 016-2024-JUS, exigen medidas de seguridad para los datos personales, y las detallo en un anexo.”
36¿Su sistema de IA está sujeto a alguna regulación en el Perú?
Qué busca el jurado
Ver que el estudiante conoce el marco normativo de la inteligencia artificial en el país.
Cómo responder
Menciona la norma, cómo clasifica el riesgo de los sistemas y qué controles aplicaste en consecuencia.
Respuesta modelo
“La Ley 31814 promueve el uso de la inteligencia artificial y su reglamento, aprobado por DS 115-2025-PCM, clasifica los sistemas por nivel de riesgo y exige supervisión humana y transparencia. Como mi modelo se relaciona con decisiones de crédito, lo traté con cuidado de riesgo alto: el modelo no aprueba ni rechaza nada, solo prioriza llamadas preventivas, y el asesor decide.”
37¿Cómo explica a un asesor por qué el modelo marcó a un socio como riesgoso?
Qué busca el jurado
Medir la interpretabilidad del modelo y su uso responsable.
Cómo responder
Describe la herramienta de explicación y cómo se presenta al usuario final en lenguaje simple.
Respuesta modelo
“Para cada socio, el tablero muestra las tres variables que más empujaron su puntaje, calculadas con valores SHAP, en frases simples como «dos cuotas pagadas con atraso en los últimos seis meses». Así el asesor entiende el motivo y puede iniciar la conversación con información concreta, sin tratar al socio como sospechoso.”
38¿Cómo se usa su modelo en la empresa después de la sustentación?
Qué busca el jurado
Evaluar la sostenibilidad y la integración del modelo en el proceso real.
Cómo responder
Describe quién lo usa, con qué frecuencia, cómo se actualiza y qué documentación dejaste.
Respuesta modelo
“El jefe de producción consulta el tablero cada tarde a las cuatro, antes de programar la producción del día siguiente. El proceso se ejecuta solo cada noche y envía una alerta si falla la carga de datos. Dejé un manual técnico para reentrenar el modelo y capacité al encargado de sistemas de la panificadora.”
39¿Qué medidas de seguridad informática aplicó al almacenar los datos?
Qué busca el jurado
Comprobar que el estudiante protegió la infraestructura de datos, no solo el modelo.
Cómo responder
Menciona control de accesos, cifrado, registro de actividad y respaldos.
Respuesta modelo
“Los datos de la flota se guardan cifrados en el almacenamiento en la nube, con acceso por roles: solo dos usuarios pueden ver los datos crudos y el resto ve el tablero agregado. Activé el registro de accesos y los respaldos automáticos. Las credenciales de la API del proveedor están en un gestor de secretos, no escritas en el código.”
Errores
Los errores que más puntos cuestan.
Presumir una exactitud alta sin mirar el desbalance. En Big Data y Ciencia de Datos el jurado detecta al instante un 95 por ciento de exactitud en un problema donde el evento ocurre en 5 por ciento de los casos. Presenta sensibilidad, precisión, F1 y matriz de confusión.
Mezclar datos del futuro en el entrenamiento. Particionar al azar datos que tienen orden temporal o usar variables que se conocen después del evento infla las métricas. Explica tu partición y cómo descartaste la fuga de información.
No tener línea base. Decir que el modelo tiene un error de 38 unidades no dice nada si no sabes cuánto se equivocaba el método anterior con los mismos datos.
Esconder la limpieza de datos. El jurado quiere saber cuántos registros eliminaste, imputaste o separaste y por qué. Una tabla de decisiones de limpieza transmite rigor.
Ignorar el sesgo y la privacidad. Un modelo que afecta a personas sin evaluación de sesgo por grupos ni medidas de protección de datos personales es una observación grave, más aún si toca decisiones de crédito o de empleo.
Quedarse en la métrica técnica. El jurado de un proyecto aplicado quiere ver el indicador de negocio: merma, cobranza, horas ahorradas o fallas evitadas, con su valor en soles.
Preparación
Cómo prepararte antes de la fecha.
Días 14 a 11: ordena datos y código. Verifica que tu notebook corra de principio a fin y que los resultados coincidan con el informe. Prepara una tabla con fuentes, número de registros, decisiones de limpieza y variables finales.
Días 10 a 8: domina tus métricas. Repasa en voz alta qué mide cada métrica, cómo se lee tu matriz de confusión, por qué elegiste ese umbral y cómo descartaste la fuga de información. Ten a mano la comparación con la línea base.
Días 7 a 5: cierra negocio, sesgo y privacidad. Revisa los indicadores antes y después, el beneficio en soles, el periodo de recuperación y el VAN y la TIR si los calculaste. Prepara la tabla de desempeño por grupos y la descripción de las medidas de protección de datos.
Días 4 a 2: ensaya la exposición. Prepara entre 12 y 18 diapositivas: problema, datos, modelo, métricas, beneficio y uso real. Lleva el tablero en vivo y capturas de respaldo. Pide a alguien que te pregunte por la exactitud, el sesgo y la privacidad.
Día 1: prueba equipos. Confirma que el tablero abra con datos de demostración, sin datos personales reales, y lleva la presentación en dos dispositivos.
Para el ensayo final, practica en la plataforma de MiTítulo: el tutor conoce tu proyecto y te explica tus propios resultados, y el jurado simulado por voz te hace estas preguntas, escucha tus respuestas y te corrige. Si quieres revisar tu informe, tus métricas o tu presentación con nuestro equipo, te acompañamos. Escríbenos al WhatsApp y revisamos tu caso sin costo.
Preguntas
Preguntas sobre la sustentación de Big Data y Ciencia de Datos.
¿Qué preguntas son infaltables en la sustentación de Big Data y Ciencia de Datos?
De dónde salieron los datos y cómo los limpiaste, cómo separaste entrenamiento y prueba, qué métricas usaste y contra qué línea base, cómo evaluaste el sesgo, cómo protegiste los datos personales y qué beneficio obtuvo la empresa.
Estudio Ingeniería de Ciencia de Datos e Inteligencia Artificial en SENATI. ¿Esta guía me sirve?
Sí. En Ingeniería de Ciencia de Datos e Inteligencia Artificial el proyecto de titulación también aplica modelos a datos de una empresa, y el jurado pregunta por limpieza, métricas, sesgo, privacidad y beneficio. Revisa con especial atención las preguntas sobre la regulación de la inteligencia artificial y el formato que pide el reglamento de tu instituto.
¿Tengo que usar herramientas de big data aunque mis datos sean pocos?
No. El jurado valora que elijas la herramienta según el volumen y la velocidad de tus datos. Usar un motor distribuido para una tabla que cabe en una laptop resta credibilidad.
¿Qué hago si mi modelo no supera mucho a la línea base?
Preséntalo con honestidad y muestra el beneficio que sí logra, aunque sea modesto, y las razones técnicas del límite. Un resultado honesto y bien medido se defiende mejor que métricas infladas.
¿Puedo mostrar datos reales de la empresa en la sustentación?
Muestra datos agregados o seudonimizados y nunca datos personales identificables. Si tu tablero tiene datos reales, prepara una versión de demostración.
¿Cómo practico las preguntas sobre métricas y sesgo?
Explica en voz alta tu matriz de confusión, tu umbral y tu tabla de desempeño por grupos hasta hacerlo sin leer. El jurado simulado por voz de la plataforma de MiTítulo te pregunta sobre tu propio modelo y te indica qué faltó en cada respuesta.
Fuentes
Normas y fuentes citadas.
- Ley 30512, Ley de Institutos y Escuelas de Educación Superior y de la Carrera Pública de sus Docentes, y su Reglamento aprobado por DS 010-2017-MINEDU. busquedas.elperuano.pe
- Ley 29733, Ley de Protección de Datos Personales. lpderecho.pe
- Decreto Supremo 016-2024-JUS, nuevo Reglamento de la Ley 29733. elperuano.pe
- Ley 31814, Ley que promueve el uso de la inteligencia artificial en favor del desarrollo económico y social del país, y su Reglamento aprobado por DS 115-2025-PCM (clasificación por riesgo, supervisión humana, transparencia). ey.com
- CRISP DM, modelo de proceso estándar para proyectos de minería de datos.
Sigue
Sigue preparándote.
Esta página también sirve para Ingeniería de Ciencia de Datos e Inteligencia Artificial.
Ya sabes qué te van a preguntar. Ahora practica con tu propio proyecto.
Escríbenos al WhatsApp y revisamos tu caso sin costo. Te respondemos en menos de 15 minutos, de 8:00 a.m. a 9:00 p.m., todos los días.
Escríbenos al WhatsApp