CÓMPUTO DE ALTO RENDIMIENTO (HPC) & BIG DATA

Tamaño: px
Comenzar la demostración a partir de la página:

Download "CÓMPUTO DE ALTO RENDIMIENTO (HPC) & BIG DATA"

Transcripción

1 CÓMPUTO DE ALTO RENDIMIENTO (HPC) & BIG DATA DR. FABIAN GARCIA NOCETTI IIMAS-UNAM / INFOTEC Junio 2014

2 CONTENIDO COMPUTACION DE ALTO RENDIMIENTO BIG DATA Y ANALYTICS S/W PARA BIG DATA ESTUDIO DE CASO CONCLUSIONES 2

3 COMPUTACION DE ALTO RENDIMIENTO La computación de alto rendimiento (HPC) es el uso de procesamiento paralelo para ejecutar aplicaciones avanzadas de manera eficiente, confiable y rápida. El término se aplica en especial sistemas que operan arriba de un teraflops (10 12 ). El término se usa, a veces, como sinónimo de super cómputo. Algunas supercomputadoras trabajan a más de un petaflops (10 15 ). 3

4 COMPUTACION DE ALTO RENDIMIENTO Usuarios frecuentes HPC: investigadores científicos, ingenieros e instituciones académicas. Agencias gubernamentales (seguridad y defensa) utilizan HPC para aplicaciones complejas. A mayor demanda mayor poder de procesamiento y velocidad, la HPC interesa también a empresas, particularmente para procesar transacciones y almacenamiento de datos (data warehouses) 4

5 COMPUTACION DE ALTO RENDIMIENTO 5 Aplicaciones de la HPC La simulación de terremotos para identificar áreas especialmente sensibles y predecir sus condiciones. Modelado del clima. Modelos computaciones pueden ser usados con datos viejos para evaluar su utilidad. Modelaje de prototipos físicos es caro y lleva mucho tiempo. Manufactura digital. El uso de la HPC (modelado, simulación y analítica) para definir productos y procesos manufactureros (The National Center for Manufacturing Sciences, NCMS). Big data: manejo de grandes cantidades de datos y de decisiones o rutinas complejas.

6 COMPUTACION DE ALTO RENDIMIENTO Beneficios en la innovación usando HPC El tiempo de ajuste en un laboratorio es de unos 9 meses, HPC puede reducir a menos de una semana. El análisis de un componente cuesta en promedio 50,000 USD en un laboratorio, mientras que mediante HPC se puede hacer por 3,000 USD. Prototipos virtuales y modelados en gran escala con base en HPC aceleran y racionalizan los procesos. Se mejoran la I&D, el diseño y la ingeniería, así como también los procesos de negocios (minería de datos, logística, CRM, etc.) 6

7 COMPUTACION DE ALTO RENDIMIENTO Economía de la HPC El valor total del mercado mundial de HPC era de unos $26 mil millones (2010). Se estima que alcanzará los $30 mil millones (2015) Nuevos modelos de negocios mediante internet y la computación en la nube Los recursos de HPC en la nube son cada vez más accesibles, lo que permite que los consumidores los consideren un servicio 7

8 COMPUTACION DE ALTO RENDIMIENTO Evolución de la HPC a nivel mundial Cambios tecnológicos acelerados determinados por la competencia internacional Servidores son los principales componentes de costo, pero están declinando como porcentaje de las inversiones Mayores tasas de crecimiento se registran en los servicios y el almacenamiento de datos 8

9 COMPUTACION DE ALTO RENDIMIENTO Barreras al uso del HPC Barreras educacionales y de capacidades (falta de científicos computacionales) Obstáculos técnicos los códigos heredados deben ser actualizados hay rezago en la formulación de nuevos códigos brecha entre los procesadores más veloces y otros sistemas tecnológicos Las empresas ven al HPC como un costo, no como una inversión Dificultad para medir el retorno de inversión (ROI) 9 CEPAL

10 BIG DATA Y ANALYTICS Big data Qué es? Conjuntos de datos cuyo tamaño está más allá de la capacidad de las herramientas de software de bases de datos típicas para capturar, almacenar, gestionar y analizar información. Cómo se origina? Por la explosión en la cantidad (velocidad y frecuencia) y diversidad de datos digitales generados en tiempo real como resultado del rol cada vez mayor de la tecnología en las actividades diarias. Para qué sirve? Permite generar información y conocimiento con base en información completa en tiempo real. 10

11 BIG DATA Y ANALYTICS Tipos de datos Compras y transacciones Datos de gestión empresarial Búsqueda (consulta, trayectoria recorrida, historia) Sociales (datos de identidad, información general) Intereses personales (que me gusta, tweets, etc.) Ubicación, sensores físicos (GPS, patrones de tráfico, Internet of Things, etc.) Contenido (SMS, llamadas, s) 11

12 BIG DATA Y ANALYTICS 12 Implicaciones Era caracterizada por la abundancia de datos. Ha alcanzado todos los sectores en la economía Los datos son un nuevo factor de producción y de ventaja competitiva Oportunidad: Aprender sobre el comportamiento humano para diversos fines. Creación de valor vía innovación, eficiencia y competitividad Nuevas formas de competencia y nuevos negocios Almacenamiento y gestión de datos. Análisis de datos empresariales. En 2010 se estimaba el valor de esta industria en más de $ 100 mil millones, creciendo a casi un 10% al año

13 BIG DATA Y ANALYTICS 13 Big data para la creación de valor Segmentación de mercado y población para personalizar acciones Innovación en nuevos modelos de negocios, productos y servicios Mejora de productos existentes Desarrollo de nuevos productos (masa y personalización) Nuevos modelos de servicio a nivel empresarial y gubernamental Apoyo a la toma de decisiones con software inteligente Transparencia y eficiencia por compartir datos Mejor y más oportuno análisis de desempeño de las organizaciones y ajustes en acción.

14 BIG DATA Y ANALYTICS Analytics: capacidades La analítica de grandes datos se refiere a las herramientas y metodologías para transformar cantidades masivas de datos brutos en datos sobre datos con propósitos analíticos Se originó en las áreas de biología intensiva en cómputo, ingeniería biomédica, medicina y electrónica Algoritmos para detectar patrones, tendencias y correlaciones, en varios horizontes temporales, en los datos Uso de técnicas avanzadas de visualización: datos que hacen sentido 14

15 BIG DATA Y ANALYTICS Problemas Disponibilidad de datos: asimetrías Las redes sociales generan datos abiertos Los gobiernos los están abriendo, pero lentamente Los datos de empresas siguen cerrados ( filantropía de datos?) Diferentes capacidades de buscar y analizar datos Falta de incentivos para compartir datos Privacidad y los límites al anonimato de conjuntos de datos Una buena parte de las nuevas fuentes de datos reflejan sólo percepciones, intenciones y deseos Apophenia: ver patrones donde no hay; cantidades masivas de datos abren conexiones en todos los sentidos (error de Tipo I) 15 CEPAL

16 BIG DATA Y ANALYTICS Qué sucede cuando las técnicas de análisis tradicionales se encuentran con sus límites? Cuándo llega el momento en que la minería de datos no aporta las soluciones esperadas? Cómo se enfrentan al desafío de los grandes datos y su expresión más desestructurada? 16

17 BIG DATA Y ANALYTICS Aquí es donde entra data science (técnicas necesarias para manipular y tratar la información desde un punto de vista estadístico/matemático). Data Science está basado en algoritmos, aplicados al problema de big data, entre otros. Implica hallar correlaciones, aplicar algoritmos más complejos y proporcionar niveles de visibilidad que transforman el contacto de una entidad con su entorno, También la capacidad de descubrir y estudiar oportunidades. Incorporar la figura del data scientist en la organización. 17

18 BIG DATA Y ANALYTICS Un proyecto de desarrollo de software orientado hacia la computación distribuida. Hadoop busca resolver parte de los problemas asociados a big data y a la aparición del data science. Ofrece capacidad de almacenamiento y procesamiento local. Permite escalar desde unos pocos servidores hasta miles de máquinas, todas ellas ofreciendo calidad de servicio. Permite el procesamiento distribuido de grandes conjuntos de datos en clusters de computadoras utilizando modelos sencillos de programación. 18

19 BIG DATA Y ANALYTICS Los dos conceptos en los que se apoya Hadoop son, por un lado, la técnica de MapReduce y, por otro, el sistema distribuido de archivos HDFS. HDFS (Hadoop Distributed File System) sistema de archivos distribuido, escalable y portátil. MapReduce: es el modelo de programación utilizado por Google para dar soporte a la computación paralela. Trabaja sobre grandes colecciones de datos en grupos decomputadoras o clusters. 19

20 BIG DATA Y ANALYTICS Principales características de MapReduce Distribución y paralelización (automáticas). Tolerancia a fallas y a redundancias. Transparecia. Escalabilidad Localización de los datos (se desplaza el algoritmo a los datos y no al contrario. Dispone de herramientas de monitorización. 20

21 BIG DATA Y ANALYTICS Fases de Big Data y sus soluciones con Hadoop 1. Descubrimiento de grandes datos Definir cuáles son los datos de interés. Encontrar sus fuentes (históricos o Social Media, entre otros). Grabar los datos en el sistema. Determinar cómo serán procesados. 2. Extracción y limpieza de los grandes volúmenes de datos Extraer los datos de la fuente de origen datos. Perfilar y limpiar los datos. Adecuarlos a las necesidades. Aplicar los estándares de calidad de datos. 21

22 BIG DATA Y ANALYTICS Fases de Big Data y sus soluciones con Hadoop 3. Estructuración y análisis de big data Dotar de estructura lógica a los conjuntos de datos tratados. Almacenar los datos en el repositorio elegido (puede ser una base de datos o un sistema) Analizar los datos disponibles para hallar relaciones. 4. Modelado de datos Aplicar algoritmos a los datos. Aplicar procesos estadísticos. Resolver las peticiones lanzadas mediante el modelado de datos en base a técnicas de minería. 5. Interpretación de grandes datos Interpretar las distintas soluciones. Aportar un resultado final. 22

23 ESTUDIO DE CASO Analysis of Seismic Records Based on Self- Organized Maps (SOM Neural Networks) and Wavelet Transform Rubio-Acosta E. Brandi-Purata J., Molino-Minero E., García-Nocceti F., Benítez-Pérez H. Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas Universidad Nacional Autónoma de México 23

24 Introduction A methodology for graphical analysis of seismic records based on self-organizing maps (SOM neural networks) and wavelet transform is proposed. This may help petroleum engineers to recognize areas where there may be oil. The methodology considers a seismic cube that includes at least one well and a geological horizon of interest.

25 Time (Depth) Seismic Trace Surface 0 S n : Source Offset R n : Receiver n : Angle of incidence Seismic raypath Medium 0 Z 0 Seismic Trace Medium 1 Z 1

26 Time (Depth) Seismic Gather Surface 0 0 Offset Point on surface Seismic Gather

27 Time (Depth) Seismic Cube 0 0 In-line Surface 0

28 Time (Depth) Oil Well and Horizon Surface In-line Oil Well Horizon

29 Selection of Wavelet Scale 29

30 Wavelet Transform of a Trace 30

31 Self-Organized Maps A self-organizing map (SOM) is a type of artificial neural network that is trained using unsupervised learning to produce a lowdimensional discretized representation of the input space of the training samples, called a map. Self-organizing maps are different from other artificial neural networks in the sense that they use a neighborhood function to preserve the topological properties of the input space.

32 Results Cluster 32 nodos (dos CPU Xeon 82, 8 núcleos por nodo) 3.6 Ghz, 1 Tera Byte (TB) y 32 TB HD disco duro por nodo

33 Results

34 Results

35 Results (Class 1)

36 Results (Class 2)

37 Results (Class 3)

38 Results (Class 4)

39 Results (Class 5)

40 Results (Class 6)

41 Results (Class 7)

42 Results (Class 8)

43 Results (Class 9)

44 Conclusions Research in progress. Preliminary results. Geometric analysis. Not physical or causal analysis. Making comparison with AVO analysis.

La importancia del HPC y el Big Data en la Investigación e Innovación

La importancia del HPC y el Big Data en la Investigación e Innovación La importancia del HPC y el Big Data en la Investigación e Innovación Ing. Emilio Chan Moya, MAP, PMP ITCR / Grupo MCS / PTCR Uruguay, 17 de Setiembre de 2015 Qué puedes hacer en 15 segundos? Fuentes

Más detalles

Qué significa Hadoop en el mundo del Big Data?

Qué significa Hadoop en el mundo del Big Data? Qué significa Hadoop en el mundo del Big Data? Un contenido para perfiles técnicos 2 ÍNDICE Qué significa Hadoop en el Universo Big Data?.... 3 El planteamiento: big data y data science.... 3 Los desafíos

Más detalles

BIG DATA. Jorge Mercado. Software Quality Engineer

BIG DATA. Jorge Mercado. Software Quality Engineer BIG DATA Jorge Mercado Software Quality Engineer Agenda Big Data - Introducción Big Data - Estructura Big Data - Soluciones Conclusiones Q&A Big Data - Introducción Que es Big Data? Big data es el termino

Más detalles

Facultad Politécnica UNA Ing. Julio Paciello juliopaciello@gmail.com

Facultad Politécnica UNA Ing. Julio Paciello juliopaciello@gmail.com Facultad Politécnica UNA Ing. Julio Paciello juliopaciello@gmail.com Contenidos Clúster de Investigación Aplicada Proyectos HPC Clúster Hadoop para tecnologías de BI Una nube privada para la Administración

Más detalles

Juan Carlos Olarte B Innovation and Business Development Management. BIG DATA & ANALYTICS: El Futuro es Ahora

Juan Carlos Olarte B Innovation and Business Development Management. BIG DATA & ANALYTICS: El Futuro es Ahora Juan Carlos Olarte B Innovation and Business Development Management BIG DATA & ANALYTICS: El Futuro es Ahora Temas a Tratar Evolución y Tendencias Big Data & Analytics Data Mining, Data Science y Big Data

Más detalles

INTRODUCCIÓN A LA COMPUTACION EN LA NUBE Y BIG DATA (1) Ing. Carlos Ormella Meyer

INTRODUCCIÓN A LA COMPUTACION EN LA NUBE Y BIG DATA (1) Ing. Carlos Ormella Meyer INTRODUCCIÓN A LA COMPUTACION EN LA NUBE Y BIG DATA (1) Ing. Carlos Ormella Meyer En los últimos años, el interés por la Computación en la Nube (Cloud Computing), tanto para uso personal como para negocios,

Más detalles

BIG DATA MARÍA PARRA AMAT. Almería, 5 junio 2015

BIG DATA MARÍA PARRA AMAT. Almería, 5 junio 2015 BIG DATA MARÍA PARRA AMAT Almería, 5 junio 2015 BIG DATA "Petróleo del XXI" Nuevo enfoque en el entendimiento y la toma de decisiones Conjunto de técnicas y herramientas ORIGEN Estadística Metodologías

Más detalles

Retos para competir en BigData

Retos para competir en BigData Retos para competir en BigData #ProCom15 Jornada ProCOM 2015 21 de Mayo Algunos datos sobre BIGDATA Source: www.datacenterknowledge.com BigData Data Data Data 50.000 EXABYTES CRECIMIENTO UNIVERSAL DE LOS

Más detalles

Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza

Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza IBM Software Information Management White Paper Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza Un enfoque de appliance simplifica el uso de la analítica avanzada Cómo aprovechar la

Más detalles

Big Data y Supercómputo. Dr. Jesús Antonio González (jagonzalez@inaoep.mx) Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE)

Big Data y Supercómputo. Dr. Jesús Antonio González (jagonzalez@inaoep.mx) Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) Big Data y Supercómputo Dr. Jesús Antonio González (jagonzalez@inaoep.mx) Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) Big Data 2 Hasta qué cantidad de datos podemos procesar en nuestra

Más detalles

Desmitificando Big Data:

Desmitificando Big Data: Desmitificando Big Data: Data Mining y Business Intelligence 2.0 Ignacio Bustillo Ignacio.Bustillo@stratebi.com Twitter: @IgnacioBustillo Fecha presentación: 14 de Noviembre de 2014 'Hello world!' Creador

Más detalles

BIG DATA Desde que se cronometran las carreras, se corre más rápido

BIG DATA Desde que se cronometran las carreras, se corre más rápido BIG DATA Desde que se cronometran las carreras, se corre más rápido Santa Cruz, Bolivia 2014 Manual para aprender @sorprendida @sorprendida HACE UN BILLÓN DE: HORAS nació el homo sapiens MINUTOS empezó

Más detalles

Alessandro Chacón 05-38019. Ernesto Level 05-38402. Ricardo Santana 05-38928

Alessandro Chacón 05-38019. Ernesto Level 05-38402. Ricardo Santana 05-38928 Alessandro Chacón 05-38019 Ernesto Level 05-38402 Ricardo Santana 05-38928 CONTENIDO Universo Digital Hadoop HDFS: Hadoop Distributed File System MapReduce UNIVERSO DIGITAL 161 EB 2006 Fuente: International

Más detalles

Conectores Pentaho Big Data Community VS Enterprise

Conectores Pentaho Big Data Community VS Enterprise Conectores Pentaho Big Data Community VS Enterprise Agosto 2014 Stratebi Business Solutions www.stratebi.com info@stratebi.com Índice 1. Resumen... 3 2. Introducción... 4 3. Objetivo... 4 4. Pentaho Community

Más detalles

Proyecto Fin de Carrera OpenNebula y Hadoop: Cloud Computing con herramientas Open Source

Proyecto Fin de Carrera OpenNebula y Hadoop: Cloud Computing con herramientas Open Source Proyecto Fin de Carrera OpenNebula y Hadoop: Cloud Computing con herramientas Open Source Francisco Magaz Villaverde Consultor: Víctor Carceler Hontoria Junio 2012 Contenido Introducción Qué es Cloud Compu5ng?

Más detalles

Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI)

Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) OFERTAS TECNOLÓGICAS 1) GESTIÓN ORGANIZACIONAL Y LOGÍSTICA INTEGRADA: TÉCNICAS Y SISTEMAS DE INFORMACIÓN 2) GESTIÓN

Más detalles

CURSO: APACHE SPARK CAPÍTULO 2: INTRODUCCIÓN A APACHE SPARK. www.formacionhadoop.com

CURSO: APACHE SPARK CAPÍTULO 2: INTRODUCCIÓN A APACHE SPARK. www.formacionhadoop.com CURSO: APACHE SPARK CAPÍTULO 2: INTRODUCCIÓN A APACHE SPARK www.formacionhadoop.com Índice 1 Qué es Big Data? 2 Problemas con los sistemas tradicionales 3 Qué es Spark? 3.1 Procesamiento de datos distribuido

Más detalles

RAID nivel 5 (RAID 5): En RAID 5 los bloques de datos que se almacenan en la unidad, y la información redundante de dichos bloques se distribuye cíclicamente entre todos los discos que forman el volumen

Más detalles

XDR. Big Data solution.

XDR. Big Data solution. XDR Big Data solution. Objetivo Principal Xdr es una solución que utiliza una arquitectura sencilla, de bajo costo y totalmente integrada a la infraestructura de los negocios de las empresas de Telecomunicaciones.

Más detalles

Servicios avanzados de supercomputación para la ciència y la ingeniería

Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería HPCNow! provee a sus clientes de la tecnología y soluciones

Más detalles

Soluciones Integrales en Inteligencia de Negocios

Soluciones Integrales en Inteligencia de Negocios Soluciones Integrales en Inteligencia de Negocios QUIENES SOMOS NUESTRA MISIÓN DATAWAREHOUSE MINERÍA DE DATOS MODELOS PREDICTIVOS REPORTERÍA Y DASHBOARD DESARROLLO DE APLICACIONES MODELOS DE SIMULACIÓN

Más detalles

Big Data & Machine Learning. MSc. Ing. Máximo Gurméndez Universidad de Montevideo

Big Data & Machine Learning. MSc. Ing. Máximo Gurméndez Universidad de Montevideo Big Data & Machine Learning MSc. Ing. Máximo Gurméndez Universidad de Montevideo Qué es Big Data? Qué es Machine Learning? Qué es Data Science? Ejemplo: Predecir origen de artículos QUÉ DIARIO LO ESCRIBIÓ?

Más detalles

Habilitando la empresa ágil a través de datos unificados La travesía hacia la plataforma de datos analítico-transaccionales

Habilitando la empresa ágil a través de datos unificados La travesía hacia la plataforma de datos analítico-transaccionales Habilitando la empresa ágil a través de datos unificados Agosto de 2015 Cómo se utilizan los datos hoy Los datos analíticos se derivan y separan a partir de datos transaccionales. Requieren bases de datos

Más detalles

Big Data: retos a nivel de desarrollo. Ing. Jorge Camargo, MSc, PhD (c) jcamargo@bigdatasolubons.co

Big Data: retos a nivel de desarrollo. Ing. Jorge Camargo, MSc, PhD (c) jcamargo@bigdatasolubons.co Big Data: retos a nivel de desarrollo Ing. Jorge Camargo, MSc, PhD (c) jcamargo@bigdatasolubons.co Cámara de Comercio de Bogotá Centro Empresarial Chapinero Agenda Introducción Bases de datos NoSQL Procesamiento

Más detalles

Solución empresarial Hadoop de EMC. NAS de escalamiento horizontal Isilon y Greenplum HD

Solución empresarial Hadoop de EMC. NAS de escalamiento horizontal Isilon y Greenplum HD Informe técnico Solución empresarial Hadoop de EMC NAS de escalamiento horizontal Isilon y Greenplum HD Por Julie Lockner, analista ejecutivo, y Terri McClure, analista ejecutivo Febrero de 2012 Este Informe

Más detalles

Big Data Analytics: propuesta de una arquitectura

Big Data Analytics: propuesta de una arquitectura Big Data Analytics: propuesta de una arquitectura Jonathan Solano Rodriguez y Estefany Leiva Valverde Escuela de Ingeniería, Universidad Latinoamericana de Ciencia y Tecnología, ULACIT, Urbanización Tournón,

Más detalles

Botón menú Objetivo de la Minería de datos.

Botón menú Objetivo de la Minería de datos. Titulo de Tutorial: Minería de Datos N2 Botón menú: Introducción. Las instituciones y empresas privadas coleccionan bastante información (ventas, clientes, cobros, pacientes, tratamientos, estudiantes,

Más detalles

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe Linux Week PUCP 2006 Computación de Alto Rendimiento en Linux Richard Miguel San Martín rmiguel@senamhi.gob.pe Agenda Computación Científica Computación Paralela High Performance Computing Grid Computing

Más detalles

Jornadas INCATEC 2015

Jornadas INCATEC 2015 Jornadas INCATEC 2015 Dr. Pedro Nolasco Bonillo Ramos Ingeniero en Computación. USB Magíster en Ingeniería de Sistemas. USB Magíster en Gerencia de las Finanzas. UNY Doctor en Ciencias de la Computación.

Más detalles

COMPARACIÓN DEL RENDIMIENTO COMPUTACIONAL ENTRE DIFERENTES METODOLOGÍAS DE PROCESAMIENTO EN PARALELO PARA FEA VÍA ANSYS 14.5

COMPARACIÓN DEL RENDIMIENTO COMPUTACIONAL ENTRE DIFERENTES METODOLOGÍAS DE PROCESAMIENTO EN PARALELO PARA FEA VÍA ANSYS 14.5 Second International Conference on Advanced Mechatronics, Design, and Manufacturing Technology - AMDM 2014 1 COMPARACIÓN DEL RENDIMIENTO COMPUTACIONAL ENTRE DIFERENTES METODOLOGÍAS DE PROCESAMIENTO EN

Más detalles

SAS Data Scientist. Plan de Formación

SAS Data Scientist. Plan de Formación SAS Data Scientist Plan de Formación www.sas.com/spain/formacion Juan Lorenzo, Director del Plan de Formación juan.lorenzo@sas.com formacion@sas.com Tel: +34 91 200 73 00 BIG DATA EL NUEVO RETO EN LAS

Más detalles

La Inteligencia de Negocios es ya una realidad para las empresas medianas

La Inteligencia de Negocios es ya una realidad para las empresas medianas Reuniones/Entrevistas La Inteligencia de Negocios es ya una realidad para las empresas medianas La Inteligencia de Negocios es el siguiente paso que las empresas deben dar para mejorar su toma de decisiones

Más detalles

Minería de datos en la nube. Patricia Rayón Villela

Minería de datos en la nube. Patricia Rayón Villela Minería de datos en la nube Patricia Rayón Villela 1 Contenido Big-Data BI en la nube Analítica Texto Video Visual 2 Big data Problemas que eran difíciles o imposibles de resolver antes de ahora son manejables.

Más detalles

BIG DATA. Alex Gimenez, CTO EMC España @alexgimenezf 7 Mayo 2013. Copyright 2011 EMC Corporation. Todos los derechos reservados.

BIG DATA. Alex Gimenez, CTO EMC España @alexgimenezf 7 Mayo 2013. Copyright 2011 EMC Corporation. Todos los derechos reservados. BIG DATA Alex Gimenez, CTO EMC España @alexgimenezf 7 Mayo 2013 1 !!!!!!!!! Big data tiene menos que ver con el tamaño y más con la libertad Techcrunch!!! YA ESTÁ AQUÍ!!!!!!!!!!!! Big data es real, en

Más detalles

XII Encuentro Danysoft en Microsoft Abril 2015. Business Intelligence y Big Data XII Encuentro Danysoft en Microsoft Directos al código

XII Encuentro Danysoft en Microsoft Abril 2015. Business Intelligence y Big Data XII Encuentro Danysoft en Microsoft Directos al código Business Intelligence y Big Data XII Encuentro Danysoft en Microsoft Directos al código Ana María Bisbé York Servicios Profesionales sp@danysoft.com 916 638683 www.danysoft.com Abril 2015 Sala 1 SQL Server

Más detalles

Cocinando con Big Data

Cocinando con Big Data Cocinando con Big Data Javier Sánchez BDM Big Data jsanchez@flytech.es 91.300.51.09 21/11/2013 Javier Sánchez 1 Agenda Qué es Big Data? Receta Punto de Partida Para qué Big Data? Conclusiones 21/11/2013

Más detalles

Arquitecturas de computadoras

Arquitecturas de computadoras Arquitecturas de computadoras Colaboratorio Nacional de Computación Avanzada (CNCA) 2014 Contenidos 1 Computadoras 2 Estación de Trabajo 3 Servidor 4 Cluster 5 Malla 6 Nube 7 Conclusiones Computadoras

Más detalles

Autodesk 360: Trabaje donde esté seguro

Autodesk 360: Trabaje donde esté seguro Visión general de seguridad Autodesk 360 Autodesk 360: Trabaje donde esté seguro Protegiendo sus intereses mientras trabaja en la web con Autodesk 360 https://360.autodesk.com Contenidos Una nube en su

Más detalles

Adquisición planificada del negocio de servidores x86 combinará fortalezas de IBM y de Lenovo para maximizar valor para clientes.

Adquisición planificada del negocio de servidores x86 combinará fortalezas de IBM y de Lenovo para maximizar valor para clientes. Adquisición planificada del negocio de servidores x86 combinará fortalezas de IBM y de Lenovo para maximizar valor para clientes Abril de 2014 Contenido Resumen Ejecutivo 3 Introducción 3 IBM recibe altos

Más detalles

Conceptos básicos de Big Data

Conceptos básicos de Big Data Conceptos básicos de Big Data Este documento no podrá ser reproducido, total o parcialmente, sin el permiso expreso de TRC Informática, S.L. Correos electrónicos, mensajes de textos, datos en formularios

Más detalles

2.1 Ingeniería de Software

2.1 Ingeniería de Software Capítulo 2 Marco Teórico Se pretende desarrollar un software que pueda ser aplicado como una herramienta útil para la administración de una empresa. Es necesario tener en cuenta que, en todo desarrollo

Más detalles

Roadmap para la adopción de nuevas arquitecturas de información

Roadmap para la adopción de nuevas arquitecturas de información Roadmap para la adopción de nuevas arquitecturas de información Qué es Big Data..? es el nombre que se le da a conjuntos de información que crecen de una manera tan exponencial que resulta prohibitivo

Más detalles

ÍNDICE. Introducción... Capítulo 1. Conceptos de Big Data... 1

ÍNDICE. Introducción... Capítulo 1. Conceptos de Big Data... 1 ÍNDICE Introducción... XIII Capítulo 1. Conceptos de Big Data... 1 Definición, necesidad y características de Big Data... 1 Aplicaciones típicas de Big Data... 4 Patrones de detección del fraude... 4 Patrones

Más detalles

Yersinio Jiménez Campos Analista de datos Banco Nacional de Costa Rica

Yersinio Jiménez Campos Analista de datos Banco Nacional de Costa Rica Fundamentos Título de de Big la Data presentación utilizando MATLAB Yersinio Jiménez Campos Analista de datos Banco Nacional de Costa Rica 1 Agenda Qué es Big Data? Buenas prácticas en el manejo de memoria.

Más detalles

Con agradecimiento especial a la colaboración de Juan Ruiz

Con agradecimiento especial a la colaboración de Juan Ruiz Celeste Saulo PRIMER ENCUENTRO NACIONAL DE COMPUTACION DE ALTO RENDIMIENTO PARA APLICACIONES CIENTÍFICAS La Falda, Córdoba, Argentina 3-5 de Mayo de 2010 Con agradecimiento especial a la colaboración de

Más detalles

Ecosistemas de innovación como factores de competitividad

Ecosistemas de innovación como factores de competitividad Ecosistemas de innovación como factores de competitividad Red Interamericana de Competitividad (RIAC) GTECS III, Buenos Aires, 2 4 de septiembre de 2015 Mariano Luna, Profesor CAC-CAECE y Director de Innovalia

Más detalles

CONECTANDO DATOS CON NEGOCIO

CONECTANDO DATOS CON NEGOCIO CONECTANDO DATOS CON NEGOCIO Big Data y Data Science consulting Valor de negocio a través de los Datos Synergic Partners es una firma especializada en Big Data, Data Science y Data Engineering comprometida

Más detalles

Carlo Yovani Aguilar Avendaño (1). Instituto Tecnológico de Tuxtla Gutiérrez. cyovani.aguilar@gmail.com.

Carlo Yovani Aguilar Avendaño (1). Instituto Tecnológico de Tuxtla Gutiérrez. cyovani.aguilar@gmail.com. Aplicación móvil para el recorrido asistido en instalaciones basado en planos arquitectónicos, caso de estudio en el Instituto Tecnológico de Tuxtla Gutiérrez, Chiapas, México (UbicaTec). Mobile application

Más detalles

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico.

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico. Desarrollo de un cluster computacional para la compilación de algoritmos en paralelo en el Observatorio Astronómico. John Jairo Parra Pérez Resumen Este artículo muestra cómo funciona la supercomputación

Más detalles

Especialidad en Sistemas de Información

Especialidad en Sistemas de Información Grado en Ingeniería Informática Especialidad en Sistemas de Información 26-5-2014 Sistemas de Información Enlazar los ámbitos técnicos y de gestión para mejorar los procesos de las organizaciones con el

Más detalles

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source Inteligencia Artificial y Seguridad Informática en plataformas Open Source Jornadas de Software Libre y Seguridad Informática Santa Rosa La Pampa 4 y 5 de Diciembre de 2009 AGENDA Primera Parte Definiciones

Más detalles

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez Supercómputo Oscar Rafael García Regis Enrique Cruz Martínez 2003-I Oscar Rafael García Regis Laboratorio de Dinámica No Lineal Facultad de Ciencias, UNAM Enrique Cruz Martínez Dirección General de Servicios

Más detalles

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Clusters Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Introducción Aplicaciones que requieren: Grandes capacidades de cómputo: Física de partículas, aerodinámica, genómica, etc. Tradicionalmente

Más detalles

PREVIEW BIDOOP 2.0. Big Data Brunch

PREVIEW BIDOOP 2.0. Big Data Brunch PREVIEW BIDOOP 2.0 Big Data Brunch 08 de Julio 2014 Quién soy? Trabajando con Hadoop desde 2010 sluangsay@pragsis.com @sourygna CTO de Pragsis Responsable departamento sistemas Preventa Instructor de Hadoop

Más detalles

1. PRESENTACIÓN GLOBAL LEAN.

1. PRESENTACIÓN GLOBAL LEAN. GLOBAL LEAN APPS 1. PRESENTACIÓN GLOBAL LEAN. GLOBALLEAN apuesta por mejorar la competitividad de las empresas. Y una herramienta clave para conseguir mejoras de competitividad que deriven en resultados

Más detalles

Javier Arratíbel Hernández

Javier Arratíbel Hernández Javier Arratíbel Hernández Gerente IT jarratibel@acciona.com @javierarratibel Septiembre 2014 Pasos prácticos en Big Data (III) Vig Data empresarial Del concepto de Big Data al Vig Data empresarial Sociedad

Más detalles

Hadoop. Cómo vender un cluster Hadoop?

Hadoop. Cómo vender un cluster Hadoop? Hadoop Cómo vender un cluster Hadoop? ÍNDICE Problema Big Data Qué es Hadoop? Descripción HDSF Map Reduce Componentes de Hadoop Hardware Software 3 EL PROBLEMA BIG DATA ANTES Los datos los generaban las

Más detalles

Social Big Data. Ignacio Bustillo Ignacio.Bustillo@stratebi.com Twitter: @IgnacioBustillo Fecha presentación: 13 de Noviembre de 2014

Social Big Data. Ignacio Bustillo Ignacio.Bustillo@stratebi.com Twitter: @IgnacioBustillo Fecha presentación: 13 de Noviembre de 2014 Social Big Data Ignacio Bustillo Ignacio.Bustillo@stratebi.com Twitter: @IgnacioBustillo Fecha presentación: 13 de Noviembre de 2014 'Hello world!' Creador & Organizador Docente universitario El mundo

Más detalles

Appliance IBM Netezza High Capacity

Appliance IBM Netezza High Capacity Appliance IBM Netezza High Capacity Archivado de datos con escala peta, análisis y recuperación de desastres Appliance de alta capacidad de IBM Netezza Puntos destacados: Permite la consulta y el análisis

Más detalles

BIG DATA & SEGURIDAD UN MATRIMONIO DE FUTURO

BIG DATA & SEGURIDAD UN MATRIMONIO DE FUTURO BIG DATA & SEGURIDAD UN MATRIMONIO DE FUTURO PRESENTACIÓN ANTONIO GONZÁLEZ CASTRO IT SECURITY DIRECTOR EN PRAGSIS TECHNOLOGIES agcastro@pragsis.com antoniogonzalezcastro.es @agonzaca linkedin.com/in/agonzaca

Más detalles

GESTIÓN DE DATOS Y ALMACENAMIENTO DISTRIBUIIDO una posible ruta hacia la biblioteca total. Ricardo Marcelín Jiménez Noviembre, 2015

GESTIÓN DE DATOS Y ALMACENAMIENTO DISTRIBUIIDO una posible ruta hacia la biblioteca total. Ricardo Marcelín Jiménez Noviembre, 2015 GESTIÓN DE DATOS Y ALMACENAMIENTO DISTRIBUIIDO una posible ruta hacia la biblioteca total Ricardo Marcelín Jiménez Noviembre, 2015 El autor (y su equipo) participa/colabora en proyectos de Innovación y

Más detalles

CARACTERÍSTICAS GENERALES. a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007

CARACTERÍSTICAS GENERALES. a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007 CARACTERÍSTICAS GENERALES a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007 b) Título que se otorga Ingeniero/a en Sistemas Inteligentes c) Espacio donde se imparte

Más detalles

APACHE HADOOP. Daniel Portela Paz Javier Villarreal García Luis Barroso Vázquez Álvaro Guzmán López

APACHE HADOOP. Daniel Portela Paz Javier Villarreal García Luis Barroso Vázquez Álvaro Guzmán López APACHE HADOOP Daniel Portela Paz Javier Villarreal García Luis Barroso Vázquez Álvaro Guzmán López Objetivos 1. Qué es Apache Hadoop? 2. Funcionalidad 2.1. Map/Reduce 2.2. HDFS 3. Casos prácticos 4. Hadoop

Más detalles

SOFISTICACION ANALITICA PARA EL CONOCIMIENTO DEL CLIENTE Y PERSONALIZACIÓN DE LA PROPUESTA DE VALOR

SOFISTICACION ANALITICA PARA EL CONOCIMIENTO DEL CLIENTE Y PERSONALIZACIÓN DE LA PROPUESTA DE VALOR SOFISTICACION ANALITICA PARA EL CONOCIMIENTO DEL CLIENTE Y PERSONALIZACIÓN DE LA PROPUESTA DE VALOR Carlos Mendoza Astroz SAS INSTITUTE Domain Expert carlos.mendoza@sas.com AGENDA 1. La nueva visión del

Más detalles

Diplomado en Big Data

Diplomado en Big Data 160 horas Diplomado en Big Data BROCHURE, 2015 Contenido Quienes somos?... 3 Presentación del Programa... 4 Perfíl del Facilitador. 5 Objetivos.. 6 Información General.. 7 Plan de Estudio... 8-9 Plan de

Más detalles

Panel: Minería de datos para la administración tributaria

Panel: Minería de datos para la administración tributaria Panel: Minería de datos para la administración tributaria Leopoldo Gutiérrez Socio líder de Tax Data Analytics en EY Especialista en diseño, desarrollo e implementación de modelos analíticos orientados

Más detalles

Como extender la capacidad Analítica conectando fuentes de datos Big Data en ArcGIS

Como extender la capacidad Analítica conectando fuentes de datos Big Data en ArcGIS Como extender la capacidad Analítica conectando fuentes de datos Big Data en ArcGIS César Rodríguez Reinaldo Cartagena Agenda Fundamentos para Big Data La Analítica y Big Data generar conocimiento ArcGIS

Más detalles

Scoring: Construcción y Aplicación

Scoring: Construcción y Aplicación Scoring: Construcción y Aplicación Agosto de 2014 2014 Experian Information Solutions, Inc. All rights reserved. Experian and the marks used herein are service marks or registered trademarks of Experian

Más detalles

CURSOS DE VERANO 2014

CURSOS DE VERANO 2014 CURSOS DE VERANO 2014 CLOUD COMPUTING: LA INFORMÁTICA COMO SERVICIO EN INTERNET LA PLATAFORMA GOOGLE CLOUD PLATFORM. GOOGLE APP ENGINE Pedro A. Castillo Valdivieso Universidad de Granada http://bit.ly/unia2014

Más detalles

INGENIERÍA EN SISTEMAS COMPUTACIONALES

INGENIERÍA EN SISTEMAS COMPUTACIONALES INGENIERÍA EN SISTEMAS COMPUTACIONALES UNIDAD 1 Catedrático: JOSÉ RAMÓN VALDEZ GUTIÉRREZ Alumnos: AVILA VALLES JAIRO EDUARDO 08040265 Victoria de Durango, Dgo.Mex Fecha: 14/09/2012 Tabla de contenido INTRODUCCIÓN

Más detalles

Contenido CAPÍTULO 2 FUENTES DE GRANDES VOLÚMENES DE DATOS... 23. Parte I. La era de Big Data CAPÍTULO 1 QUÉ ES BIG DATA?... 1

Contenido CAPÍTULO 2 FUENTES DE GRANDES VOLÚMENES DE DATOS... 23. Parte I. La era de Big Data CAPÍTULO 1 QUÉ ES BIG DATA?... 1 Contenido Parte I. La era de Big Data CAPÍTULO 1 QUÉ ES BIG DATA?... 1 Definición de Big Data... 2 Tipos de datos... 3 Datos estructurados... 4 Datos semiestructurados... 4 Datos no estructurados... 5

Más detalles

Programación Orientada a Objetos Inteligencia Artificial Programación Lógica Lógica Matemática Tecnicas para el derrallo de sistemas artificiales

Programación Orientada a Objetos Inteligencia Artificial Programación Lógica Lógica Matemática Tecnicas para el derrallo de sistemas artificiales ANEXO D. INSTITUCION: PLANES DE ESTUDIOS DE OTRAS IES INSTITUTO POLITECNICO NACIONAL CIENCIAS DE LA COMPUTACIÓN Inteligencia artificial Programación Orientada a Objetos Inteligencia Artificial Programación

Más detalles

Juan de Dios Murillo Morera e-mail: jmurillo@una.ac.cr Santiago Caamaño Polini e-mail: scaamano@costarricense.cr INTRODUCCIÓN

Juan de Dios Murillo Morera e-mail: jmurillo@una.ac.cr Santiago Caamaño Polini e-mail: scaamano@costarricense.cr INTRODUCCIÓN UNICIENCIA 24 pp. 83-89 2010 IMPLEMENTACIÓN DE UN SERVIDOR FTP UTILIZANDO EL MODELO CLIENTE/SERVIDOR MEDIANTE EL USO DE SOCKETS EN LENGUAJE C UNIX CON EL FIN DE MEJORAR LOS TIEMPOS DE RESPUESTA EN LA RED

Más detalles

Instituto Tecnológico de Costa Rica Escuela de Ingeniería en Computación

Instituto Tecnológico de Costa Rica Escuela de Ingeniería en Computación Instituto Tecnológico de Costa Rica Escuela de Ingeniería en Computación "Data Analytics, procesamiento de grandes volúmenes de información para generar inteligencia de negocios" Proyecto de Graduación

Más detalles

Perspectivas de la Computación Científica. Clusters, Grids y Clouds. Desarrollos y retos Raúl Ramos Pollán Universidad Nacional de Colombia

Perspectivas de la Computación Científica. Clusters, Grids y Clouds. Desarrollos y retos Raúl Ramos Pollán Universidad Nacional de Colombia Perspectivas de la Computación Científica. Clusters, Grids y Clouds. Desarrollos y retos Raúl Ramos Pollán Universidad Nacional de Colombia 1 Computación Científica La Ciencia e Ingeniería Basada en la

Más detalles

Big data A través de una implementación

Big data A través de una implementación Big data A través de una implementación Lic. Diego Krauthamer Profesor Adjunto Interino del Área Base de Datos Universidad Abierta Interamericana Facultad de Tecnología Informática Buenos Aires. Argentina

Más detalles

Big Data y NO-SQL el futuro de la Arquitectura de Información

Big Data y NO-SQL el futuro de la Arquitectura de Información Big Data y NO-SQL el futuro de la Arquitectura de Información Jorge Mario Calvo L. EMPRENDEMICO = EMPRENdedor + academico http://jorgemariocalvo.net http://www.emprendemico.com Twitter: @Emprendemico Conocimiento

Más detalles

Arquitecturas de Bases de Datos. Carlos A. Olarte (carlosolarte@puj.edu.co) BDII

Arquitecturas de Bases de Datos. Carlos A. Olarte (carlosolarte@puj.edu.co) BDII Carlos A. Olarte (carlosolarte@puj.edu.co) BDII Contenido 1 Introducción 2 Arquitectura Centralizada 3 Arquitectura Cliente-Servidor 4 Arquitecturas Paralelas 5 Bases de Datos Distribuidas Introducción

Más detalles

Tendencias tecnológicas en la industria: Automatización Industrial. Christian Radillo Director Técnico México y centro América

Tendencias tecnológicas en la industria: Automatización Industrial. Christian Radillo Director Técnico México y centro América Tendencias tecnológicas en la industria: Automatización Industrial Christian Radillo Director Técnico México y centro América 15 de Octubre de 2015 El mundo esta cambiando 2 3 Vivimos en una era donde

Más detalles

Metodología y Framework para el Desarrollo de Aplicaciones Científicas con Computación de Alto Rendimiento a través de Servicios Web

Metodología y Framework para el Desarrollo de Aplicaciones Científicas con Computación de Alto Rendimiento a través de Servicios Web Metodología y Framework para el Desarrollo de Aplicaciones Científicas con Computación de Alto Rendimiento a través de Servicios Web J.Corral-García, D.Cortés-Polo, C.Gómez-Martín, J.L.González-Sánchez

Más detalles

Cómo convertirse en un negocio en tiempo real con SAP Business Suite basado en SAP HANA

Cómo convertirse en un negocio en tiempo real con SAP Business Suite basado en SAP HANA de la solución SAP SAP Business Suite basado en SAP HANA Objetivos Cómo convertirse en un negocio en tiempo real con SAP Business Suite basado en SAP HANA Maneje todo su negocio en tiempo real Maneje todo

Más detalles

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS 1. RESEÑA HISTORICA Las exigencias competitivas del mercado hacen que las organizaciones busquen mecanismos

Más detalles

Data & Text Mining. III Reunión de la RedDES(GT de Tecnología de la BVS6) Exponentes:

Data & Text Mining. III Reunión de la RedDES(GT de Tecnología de la BVS6) Exponentes: Data & Text Mining Exponentes: - Dr. Jorge Bacallao Guerra - Ing. Ramón Martinez - Ing. José Villanueva Agosto del 2012 Introducción o Porqué es necesario utilizar data mining o Que ésdata miningy qué

Más detalles

Universidad de Guadalajara

Universidad de Guadalajara Universidad de Guadalajara Centro Universitario de Ciencias Económico-Administrativas Maestría en Tecnologías de Información Ante-proyecto de Tésis Selection of a lightweight virtualization framework to

Más detalles

:Arquitecturas Paralela basada en clusters.

:Arquitecturas Paralela basada en clusters. Computación de altas prestaciones: Arquitecturas basadas en clusters Sesión n 1 :Arquitecturas Paralela basada en clusters. Jose Luis Bosque 1 Introducción Computación de altas prestaciones: resolver problemas

Más detalles

CUANDO CLOUD CONVERGE CON BIG DATA

CUANDO CLOUD CONVERGE CON BIG DATA CUANDO CLOUD CONVERGE CON BIG DATA CISCO Rock the Cloud Alejandro Giménez Advisory Technology Consultant 1 EN ESTA DÉCADA EL UNIVERSO DIGITAL CRECERÁ 44X DESDE 0.9 ZETTABYTES A 35.2 ZETTABYTES KILO 10

Más detalles

Virtualizando el desarrollo en la Robótica

Virtualizando el desarrollo en la Robótica Virtualizando el desarrollo en la Robótica para competencias de olimpiadas nacionales e internacionales Aurelio Ramírez Granados FCFM-UANL Facultad de Ciencias Físico Matemáticas Universidad Autónoma de

Más detalles

GRID COMPUTING MALLA DE ORDENADORES

GRID COMPUTING MALLA DE ORDENADORES GRID COMPUTING MALLA DE ORDENADORES Introducción Concepto Compartir potencia computacional; Aprovechamiento de ciclos de procesamiento; El Grid Computing se enmarca dentro de la tecnología de computación

Más detalles

Transformar tu Empresa

Transformar tu Empresa Inteligencia de Negocios para Transformar tu Empresa Gustavo Perez Abelleyra IPAB Director General de Tecnologías de Información Patricio Tamayo INVEX Dirección Desarrollo Nuevos Negocios Mega tendencias

Más detalles

NewPoint IT Consulting BIG DATA WHITE PAPER. NewPoint Information Technology Consulting

NewPoint IT Consulting BIG DATA WHITE PAPER. NewPoint Information Technology Consulting NewPoint IT Consulting BIG DATA WHITE PAPER NewPoint Information Technology Consulting Contenido 1 Big Data: Reto y Oportunidad para la Empresa... 3 2 Los drivers Técnicos y de Negocio de BIG DATA... 9

Más detalles

Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co. Universidad Pedagógica y Tecnológica de Colombia. Colombia

Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co. Universidad Pedagógica y Tecnológica de Colombia. Colombia Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co Universidad Pedagógica y Tecnológica de Colombia Colombia Amézquita-Mesa, Diego Germán; Amézquita-Becerra, Germán; Galindo-Parra, Omaira

Más detalles

CAM completamente Automático para Punzonadora, Máquina Láser o Máquina Combinada

CAM completamente Automático para Punzonadora, Máquina Láser o Máquina Combinada CAM completamente Automático para Punzonadora, Máquina Láser o Máquina Combinada Introduciendo al Experto en Programación Automatizado de Amada, Dr.ABE_Blank Las compañías de chapa metálica actualmente

Más detalles

Optimización de rutas logísticas para ganar competitividad

Optimización de rutas logísticas para ganar competitividad Autor: Whitepaper patrocinado por: José Antonio Martínez Fernández Profesor Dirección de Empresas de la Universidad Pablo de Olavide, Sevilla Optimización de rutas logísticas para ganar competitividad

Más detalles

FORMACIÓN E-LEARNING. Curso de Business Intelligence y Big Data

FORMACIÓN E-LEARNING. Curso de Business Intelligence y Big Data FORMACIÓN E-LEARNING Curso de Business Intelligence y Big Data Métodos y herramientas para analizar la información y facilitar la toma de decisiones empresariales. Tel. 902 021 206 - attcliente@iniciativasempresariales.com

Más detalles

Aplicación de una herramienta colaborativa en el desarrollo comunitario de conocimiento para Computación de Alto Rendimiento

Aplicación de una herramienta colaborativa en el desarrollo comunitario de conocimiento para Computación de Alto Rendimiento Aplicación de una herramienta colaborativa en el desarrollo comunitario de conocimiento para Computación de Alto Rendimiento Gustavo Martínez Spessot, Ricardo Medel, Marcelo Quispe, Diego Serrano, Departamento

Más detalles

Data Lake: La evolución da paso a la Revolución. César Tapias Herranz Isilon Regional Territory Manager

Data Lake: La evolución da paso a la Revolución. César Tapias Herranz Isilon Regional Territory Manager Data Lake: La evolución da paso a la Revolución César Tapias Herranz Isilon Regional Territory Manager Copyright 2015 EMC Corporation. All Todos rights los reserved. derechos reservados. 1 El poder de

Más detalles

El fenómeno Big Data y los títulos en Estadística en España.

El fenómeno Big Data y los títulos en Estadística en España. El fenómeno Big Data y los títulos en Estadística en España. Daniel Peña Rector Universidad Carlos III de Madrid V Conferencia Interuniversitaria sobre Titulaciones en Estadística UCM, enero 2014 Indice

Más detalles

PROPUESTA DE NUEVO TÍTULO DE GRADO DE LA UNIVERSIDAD DE ALICANTE

PROPUESTA DE NUEVO TÍTULO DE GRADO DE LA UNIVERSIDAD DE ALICANTE PROPUESTA DE NUEVO TÍTULO DE GRADO DE LA UNIVERSIDAD DE ALICANTE CENTRO RESPONSABLE DE LA ENSEÑANZA CONDUCENTE AL TÍTULO Escuela Politécnica Superior DENOMINACIÓN DEL TÍTULO DE GRADO QUE SE PROPONE Ingeniería

Más detalles

Carrera Plan de Estudios Contacto

Carrera Plan de Estudios Contacto Carrera Plan de Estudios Contacto La Ingeniería en es una licenciatura de reciente creación que responde a las necesidades tecnológicas de la sociedad y la comunicación. Cada teléfono móvil, tableta electrónica

Más detalles

Memoria de resultados. Convocatoria de Innovación Docente Curso 2011-2012. Universidad de Salamanca. 29 de junio de 2012

Memoria de resultados. Convocatoria de Innovación Docente Curso 2011-2012. Universidad de Salamanca. 29 de junio de 2012 Herramienta de analítica visual para el seguimiento de la actividad de los estudiantes de asignaturas de Ingeniería del Software en el Campus Virtual Studium (ID11/013) Convocatoria de Innovación Docente

Más detalles