TP1 - Organización de Datos - 75.06

Este trabajo práctico N° 1 de la materia se basa en el análisis de los tweets del set de datos de la competencia: https://www.kaggle.com/c/nlp-getting-started.

• id - identificador unico para cada tweet
• text - el texto del tweet
• location - ubicación desde donde fue enviado (podría no estar)
• keyword - un keyword para el tweet (podría faltar)
• target - en train.csv, indica si se trata de un desastre real (1) o no (0)

El objetivo de este primer TP es realizar un análisis exploratorio del set de datos. Queremos ver qué cosas podemos descubrir sobre los datos que puedan resultar interesantes. Estas cosas pueden estar relacionadas al objetivo del TP2 (predecir si un cierto tweet es real o no) o no, ambas son de interés.

Los requisitos de la primera entrega son los siguientes:

• El análisis debe estar hecho en Python Pandas o R.
• El análisis debe entregarse en formato pdf vía gradescope. En el informe no va código.
• Informar el link a un repositorio Github en donde pueda bajarse el código completo para generar el análisis.

Forma de trabajo

Lo que hicimos fué lo siguiente:

• Primero creamos un grupo en Whatsapp, sin embargo no teniamos una forma de organización, por lo que a partir de la explicación del apunte de la materia sobre Análisis Exploratorio decidimos hacer un desarrollo basado en preguntas
• Primero creamos un documento compartido en Google docs en el que volcabamos todas las preguntas que nos parecían interesantes analizar.
• Luego cuando cada uno iba a analizar una pregunta la marcaba como "en proceso" para que no nos pisemos, y como "Analizada" cuando terminaba, de esta forma, además, podiamos ver de un pantallazo como ibamos con el trabajo.
• Por otro lado dividimos el código en 4 notebooks (1 para cada uno) ya que si hubiesemos trabajado en una sola notebook, por el formato que tienen, probablemente no hubiésemos podido resolver los conflictos.
• Una vez que estábamos mas o menos avanzados con los análisis, todos fuimos pasando las preguntas que considerábamos más importantes con sus respectivas visualizaciones y explicaciones (cuando ameritaba) al informe.
• Luego analizando todo el informe sacamos conclusiones al respecto y las volcamos en el mismo informe

Integrantes

• Kevin Mendoza (98038) kmendoza@fi.uba.ar
• Sebastián Agustín Rinaldi (94290) srinaldi@fi.uba.ar
• Francisco Xavier Gauna (100563) fgauna@fi.uba.ar
• Joaquin Parodi (100752) jparodi@fi.uba.ar

(1° Cuatrimestre 2020, clases a distancia)