Support framework for automated exploratory data analytics (ADAM)

In recent decades the amount of data available has increased significantly and, with them, has appeared the figure of the data scientist. The data scientist combines knowledge in the fields of analytics, machine learning, data mining and has experience in programming. However, it is estimated that about 60 % of a data scientist time is used for data cleaning and modeling. The focus of this Final Degree Project is divided in two stages. The first stage tries to tackle this 60 % by performing a series of operations to the input dataset in order to turn any raw dataset into one we can work with in prediction, as well as collect and display as much information about the dataset as possible. Finally, the second stage is developed with the intention that the user introduces the dataset generated in the first stage and, using several Python libraries such as scikit-learn, several algorithms are tested on the data until the best one is found. Stage two will then return the user said algorithm for futures uses.En las últimas décadas la cantidad de datos disponibles ha aumentado significativamente y, con ellos, ha aparecido la figura del científico de datos. El científico de datos es una figura que combina conocimiento en los campos de la analítica, el aprendizaje máquina, la minería de datos, así como experiencia en programación. Sin embargo, se calcula que un 60 % del tiempo de un científico de datos es utilizado para limpieza y modelado de datos. Este trabajo se divide en dos fases. La primera fase trata de apaliar ese 60 % realizando una serie de operaciones a los datos introducidos con el objetivo de convertir cualquier conjunto de datos dado en un conjunto preparado con el que poder hacer trabajos de predicción, así como recopilar y mostrar al usuario tanta información de su conjunto como sea posible. Por otro lado, la segunda fase está desarrollada con la intención de que el usuario introduzca el conjunto de datos generado en la primera fase y, haciendo uso de varias de las librerías de Python como scikit-learn, se prueben sobre él una serie de algoritmos hasta dar con el mejor, que será devuelto al usuario para futuros trabajos de predicción.Ingeniería en Tecnologías de Telecomunicació