Big Data, metaconcepto. Una herramienta útil, un concepto defectuoso.

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

Download "Big Data, metaconcepto. Una herramienta útil, un concepto defectuoso."

Transcripción

1 Big Data, metaconcepto Una herramienta útil, un concepto defectuoso. 1 LOGROÑO 14/12/ 2016 DeciData S.L.

2 Y PARA MUESTRA Múltiples V s : velocidad, variación, volumen, veracidad, valor,.. Mckinsey: Conjunto de datos que está más allá de las posibilidades de las herramientas de software habituales. The Economist: La sociedad dispone de más información que en ningún período precedente de la historia. Ese aumento de información nos permite realizar cosas que no podíamos realizar con anterioridad. Wikipedia: Es el término para un conjunto de datos tan complejo y grande; que son difíciles de procesar siguiendo los procedimientos y con las herramientas habituales. Adam Jacobs: Tamaño de los datos que nos fuerza a mirar más allá de las metodologías que se emplean habitualmente. Dan Law: Cualquier conjunto de datos que tienen un valor potencial que no puede extraerse con las técnicas y procedimientos ordinarios. LOGROÑO 14/12/ 2016 DeciData S.L. 2

3 Y DE QUE DATOS HABLAMOS Datos estructurados: Tablas, datos relacionales, Semi estructurados: Datos en forma híbrida documentos con tablas Datos en streaming: Que se mueven a gran velocidad por redes. Datos geoespaciales: Incluyen posicionamientos en el espacio: regiones, puntos, caminos, formas Datos no estructurados: Texto, fotos, video, audio Metadata: datos estructurados entorno a los propios datos. Datos temporales: incluyen tendencias, actividades temporales. Y muchos mas.. LOGROÑO 14/12/ 2016 DeciData S.L. 3

4 Todo empezó hace casi 2500 años Pitagoras, en la isla de Samos, en la actual Grecia, pensó que el universo se forma a través de modelos matemáticos. LOGROÑO 14/12/ 2016 DeciData S.L. 4

5 Y ha seguido hasta hoy DESCARTES NEWTON EINSTEIN TURING LOGROÑO 14/12/ 2016 DeciData S.L. 5

6 Extrayendo conocimiento de los datos (1) Con la colaboración de los ordenadores Definiendo los conceptos de conocimiento. Transformando los datos estructurados en representaciones útiles. Clasificando y extrayendo contenido de los datos no estructurados. Mediante el análisis de los datos que genere conocimiento relevante que mejore la base decisional. LOGROÑO 14/12/ 2016 DeciData S.L. 6

7 Extrayendo conocimiento de los datos (2) Y haciendo, entre otras cosas.. Dividiendo el problema en trozos y procesando en paralelo. Construyendo índices de conocimiento y búsqueda que puedan activarse rápidamente. Usando adecuada combinación tecnología y software. Una mezcla de todo ello. LOGROÑO 14/12/ 2016 DeciData S.L. 7

8 Moviendo la información Usar y estimar parámetros con aparato estadístico para: Describir los datos Explorar correlaciones Descubrir modelos Predecir resultados Necesitamos prestar mucha atención a los siguientes aspectos: Corregir supuestos Cuidado con las variables LOGROÑO 14/12/ 2016 DeciData S.L. 8

9 Tomando decisiones previas - LOGROÑO 14/12/ 2016 DeciData S.L. 9

10 Implementando soluciones en datos Posibles resultados: * ANOVA MACHINE LEARNING REGRESIÓN LINEAL ARBOLES DE DECISION MODELOS PREDICTIVOS MODELOS PRESCRIPTIVOS LOGROÑO 14/12/ 2016 DeciData S.L. 10

11 Actores y actividades implicadas LOGROÑO 14/12/ 2016 DeciData S.L. 11

12 A modo de conclusión Momento clave de un proceso histórico. Existencia de gran cantidad de datos y posibilidad de trabajar con ellos Mayor importancia cuantitativa de los datos no estructurados Oferta de interesantes soluciones tecnológicas Experiencias contrastadas Impacto en las organizaciones Crecimiento en la productividad a partir de una base del 3% Costes de no utilizar la gestión basada en datos LOGROÑO 14/12/ 2016 DeciData S.L. 12

13 Qué escenario pronostico Disminución de costes de productos. Flexibilidad de las plataformas Soluciones más amigables Crecimiento de la oferta de expertos en análisis de datos Organizaciones más sensibles hacia el empleo de los datos para la gestión Nuevos modelos de negocio Un cambio que podemos definirlo como el BIG DATA 2.0 LA SUSTITUCIÓN DEL BIG DATA POR EL BIG ANALITICS LOGROÑO 14/12/ 2016 DeciData S.L. 13

Big Data Analytics & IBM BIG INSIGHT

Big Data Analytics & IBM BIG INSIGHT Big Data Analytics & IBM BIG INSIGHT En la actualidad se generan grandes volumenes de datos de diversos tipos, a gran velocidad y con diferentes frecuencias. Las tecnologıas disponibles permiten efectuar

Más detalles

BIG DATA SCIENCE & ANALYTICS

BIG DATA SCIENCE & ANALYTICS BIG DATA SCIENCE & ANALYTICS Enzo Roccasalva Head of Practice: Advanced Analytics & Risk CONOCIENDO A SAS +40 Años de Experiencia +75,000 Instalaciones +140 Países 1 o Empresa privada de software más grande

Más detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS DE REGRESIÓN ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y

Más detalles

Perfiles de formación

Perfiles de formación Business Analytics Perfiles de formación El objetivo del presente documento es facilitar a los responsables de equipos o técnicos de RRHH a enfocar la formación que precisan los distintos perfiles de la

Más detalles

Técnicas de Minería de Datos

Técnicas de Minería de Datos Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.

Más detalles

CM0244. Suficientable

CM0244. Suficientable IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE

Más detalles

Unidad V: Estadística aplicada

Unidad V: Estadística aplicada Unidad V: Estadística aplicada 5.1 Inferencia estadística: Concepto, Estimación, Prueba de hipótesis La Inferencia Estadística es la parte de la estadística matemática que se encarga del estudio de los

Más detalles

Sistemas de Big Data El nuevo paradigma de los datos masivos. Jordi Casas Roma Carles Garrigues Olivella

Sistemas de Big Data El nuevo paradigma de los datos masivos. Jordi Casas Roma Carles Garrigues Olivella Sistemas de Big Data El nuevo paradigma de los datos masivos Jordi Casas Roma Carles Garrigues Olivella Índice 1. Contextualización 2. Definición de Big Data 3. El Big Data en escenarios de Business Intelligence

Más detalles

Red Española de Series Temporales

Red Española de Series Temporales Red Española de Series Temporales Creada a partir del Proyecto TIN2010-09967-E subvencionado por la Dirección General de Investigación y Gestión del Plan Nacional de I+D+i Presentación 2 La Red española

Más detalles

Introducción a la minería de datos. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR

Introducción a la minería de datos. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Introducción a la minería de datos CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Minería de datos Detección, interpretación y predicción de patrones cuantitativos y cualitativos

Más detalles

Analítica avanzada para la optimización del tráfico

Analítica avanzada para la optimización del tráfico Analítica avanzada para la optimización del tráfico Pau Agulló Kernel Analytics Barcelona, 30 de Marzo de 2017 Organizan Auspician Apoya Índice TO THE FUTURE La revolución del big data Definiciones e impacto

Más detalles

Big Data para Inteligencia Criminal

Big Data para Inteligencia Criminal Big Data para Inteligencia Criminal Tecnología de datos basadas en geolocalización para mejorar el análisis de la información y potenciar la Inteligencia Criminal Fernando Aliaga Impronta IT S.A. 12 de

Más detalles

Buscando el valor del Big Data Rafael Berlanga Llavori Grupo Bases de Conocimiento Temporal Universitat Jaume I

Buscando el valor del Big Data Rafael Berlanga Llavori Grupo Bases de Conocimiento Temporal Universitat Jaume I Buscando el valor del Big Data Rafael Berlanga Llavori Grupo Bases de Conocimiento Temporal Universitat Jaume I berlanga@uji.es Jornada de Big Data 1 Qué es el Big Data?! Para la sociedad: BIG BROTHER

Más detalles

Introducción a Tecnologías Big Data

Introducción a Tecnologías Big Data MÓDULO 1 Introducción a Tecnologías Big Data Contenidos Escenarios y retos 1 2 Data is the new OIL We need to find it, extract it, refine it, distribuite it and monetize it. David Buckingham Impacto en

Más detalles

TABLA DE EQUIVALENCIAS DE ASIGNATURAS PLAN DE ESTUDIOS PROPUESTO PLAN DE ESTUDIOS

TABLA DE EQUIVALENCIAS DE ASIGNATURAS PLAN DE ESTUDIOS PROPUESTO PLAN DE ESTUDIOS 6500 FACULTAD DE INGENIERÍA Y ARQUITECTURA CARRERA DE INGENIERÍA DE SISTEMAS TABLA DE EQUIVALENCIAS DE ASIGNATURAS PLAN DE ESTUDIOS PROPUESTO 2018-1 PLAN DE ESTUDIOS 2017-1 PRIMER NIVEL 5111 6506 LENGUAJE

Más detalles

La Inteligencia de Negocios y la Gerencia Estrategica

La Inteligencia de Negocios y la Gerencia Estrategica La Inteligencia de Negocios y la Gerencia Estrategica Inteligencia de Negocios: El objetivo de las soluciones de Inteligencia de Negocios, es apoyar a las empresas al logro de sus planes y estrategias,

Más detalles

APLICACIONES DE NEGOCIO PARA INTELIGENCIA ARTIFICIAL. Copyright 2017 Accenture All rights reserved.

APLICACIONES DE NEGOCIO PARA INTELIGENCIA ARTIFICIAL. Copyright 2017 Accenture All rights reserved. APLICACIONES DE NEGOCIO PARA INTELIGENCIA ARTIFICIAL AGENDA 01 QUÉ ES? 05 LECCIONES DE NEGOCIO 02 ÁREAS DE INVESTIGACIÓN 03 APLICACIONES 04 EJEMPLOS DE NEGOCIO 01. QUÉ ES?. TIPOS DE INTELIGENCIA Lingüística

Más detalles

PLAN DE ESTUDIOS

PLAN DE ESTUDIOS ESCUELA UNIVERSITARIA DE INGENIERÍA FACULTAD DE INGENIERÍA INDUSTRIAL CARRERA DE INGENIERÍA DE SISTEMAS 6500 PLAN DE ESTUDIOS 2017-1 PRIMER NIVEL 5111 6506 LENGUAJE Y COMUNICACIÓN I ---------------- 5

Más detalles

CONCEPTOS Y ECOSISTEMA BIG DATA

CONCEPTOS Y ECOSISTEMA BIG DATA CONCEPTOS Y ECOSISTEMA BIG DATA El presente documento ha sido elaborado de forma conjunta por las empresas Sunqu y Ticxar para dar a conocer el ecosistema Big Data, su tipología, la analítica y la visualización

Más detalles

Servei d Estadística Aplicada

Servei d Estadística Aplicada Servei d Estadística Aplicada Asesoramiento experto y consultoría en todos los ámbitos de la Estadística En todo proyecto de investigación, la Estadística Analítica es la pieza clave para procesar información

Más detalles

YO, CIENCIA DE DATOS. BIG DATA DAY Facultad de Ciencias, UNAM Ciudad de México, marzo 2016

YO, CIENCIA DE DATOS. BIG DATA DAY Facultad de Ciencias, UNAM Ciudad de México, marzo 2016 YO, CIENCIA DE DATOS BIG DATA DAY Facultad de Ciencias, UNAM Ciudad de México, marzo 2016 Qué es CIENCIA DE DATOS? La ciencia de datos es un campo interdisciplinario que involucra los procesos y sistemas

Más detalles

Benemérita Universidad Autónoma de Puebla Vicerrectoría de Docencia Dirección General de Educación Superior Facultad de Ciencias Físico Matemáticas

Benemérita Universidad Autónoma de Puebla Vicerrectoría de Docencia Dirección General de Educación Superior Facultad de Ciencias Físico Matemáticas PLAN DE ESTUDIOS (PE): Licenciatura en Actuaría ÁREA: Probabilidad y Estadística ASIGNATURA: Análisis de datos CÓDIGO: CRÉDITOS: 6 FECHA: Junio de 2017 1 1. DATOS GENERALES Nivel Educativo: Licenciatura

Más detalles

Nuevo plan de estudios. Especialización en Inteligencia de Negocios. Marzo de Curso Descripción Corta Contenidos

Nuevo plan de estudios. Especialización en Inteligencia de Negocios. Marzo de Curso Descripción Corta Contenidos Nuevo plan de estudios Especialización en Inteligencia de Negocios Marzo de 2018 Curso Descripción Corta Contenidos Fundamentos de Inteligencia de Negocios y Gobierno de datos Almacenamiento de Información

Más detalles

SOLUCIONES DE LAGOS DE DATOS EMPRESARIALES DE EMC

SOLUCIONES DE LAGOS DE DATOS EMPRESARIALES DE EMC EMC FORUM 2015 1 EMC FORUM 2015 SOLUCIONES DE LAGOS EMPRESARIALES DE EMC SESIÓN 5101 2 PASOS PARA APROVECHAR BIG DATA Desarrollar nuevas aplicaciones, productos y modelos de negocio Sacar partido de la

Más detalles

Entrenamiento Especializado: Fundamentación en Administración de Riesgo con apoyo de Risk Simulator

Entrenamiento Especializado: Fundamentación en Administración de Riesgo con apoyo de Risk Simulator Entrenamiento Especializado: Fundamentación en Administración de Riesgo con apoyo de Risk Simulator Dirigido a Este módulo está dirigido a personas interesadas en temas de control de riesgo y modelación

Más detalles

FORMACIÓN E-LEARNING. Curso Online de Planificación de la Demanda (Demand Planning)

FORMACIÓN E-LEARNING. Curso Online de Planificación de la Demanda (Demand Planning) FORMACIÓN E-LEARNING Curso Online de Planificación de la Demanda (Demand Planning) Puntos clave y herramientas para desarrollar una correcta planificación de la demanda y las previsiones de ventas para

Más detalles

MÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS

MÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS UNIDAD 4 MÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS Predicción de lo que sucederá en el futuro. 1 Predicción de lo que sucederá en el futuro. Los métodos de

Más detalles

Minería Multimedia. Minería de datos NO estructurados (Textos, Imágenes, Audios y Videos)

Minería Multimedia. Minería de datos NO estructurados (Textos, Imágenes, Audios y Videos) Minería Multimedia Minería de datos NO estructurados (Tetos, Imágenes, Audios y Videos) Ana Isabel Oviedo Docente Universidad Pontificia Bolivariana ana.oviedo@upb.edu.co Medellín, octubre 19 de 2017 Motivación

Más detalles

Presentación de la Asignatura. Estadística II. Prof. Sergio Jurado Chamorro

Presentación de la Asignatura. Estadística II. Prof. Sergio Jurado Chamorro Presentación de la Asignatura Estadística II Prof. Sergio Jurado Chamorro Estadística II: La asignatura Contexto Enfoque Nivel matemático Conocimientos básicos Otro requerimientos Herramienta de apoyo

Más detalles

ANALÍTICA DE BIG DATA (BDA)

ANALÍTICA DE BIG DATA (BDA) ANALÍTICA DE BIG DATA (BDA) Tendencias Retos Oportunidades Fabián García Nocetti IIMAS-UNAM CAACFMI-UNAM AMIAC Ciencia de Datos y Big Data Analítica de Big Data (BDA) Aplicaciones Arquitectura General

Más detalles

MÁSTER EN ARQUITECTURA Y TECNOLOGÍA BIG DATA ASIGNATURAS OBLIGATORIAS

MÁSTER EN ARQUITECTURA Y TECNOLOGÍA BIG DATA ASIGNATURAS OBLIGATORIAS Propio: MÁSTER EN ARQUITECTURA Y TECNOLOGÍA BIG DATA Código Plan de s: EN22 Año Académico: 2018-2019 ESTRUCTURA GENERAL DEL PLAN DE ESTUDIOS: CURSO Obligatorios Optativos Prácticas Externas Memoria/ Proyecto

Más detalles

Métodos de Regresión en Minería de Datos

Métodos de Regresión en Minería de Datos Métodos de Regresión en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado en Minería de Datos de la Universidad de

Más detalles

Motivación. Motivación PRONOSTICOS DE DEMANDA

Motivación. Motivación PRONOSTICOS DE DEMANDA 4 PRONOSTICOS DE DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para pronosticar las ventas a partir de datos observados.

Más detalles

L.A. y M.C.E. Emma Linda Diez Knoth

L.A. y M.C.E. Emma Linda Diez Knoth 1 Es el conjunto de tecnologías y dispositivos derivados de la computación o informática, que pueden ayudar al proceso de enseñanza, aprendizaje e instrucción. 2 Es cualquier combinación de texto, arte

Más detalles

Buenas prácticas para la implementación de herramientas de Ciencia de Datos Leonardo Alfonso Ramos Corona Facultad de Geografía, UAEM.

Buenas prácticas para la implementación de herramientas de Ciencia de Datos Leonardo Alfonso Ramos Corona Facultad de Geografía, UAEM. Buenas prácticas para la implementación de herramientas de Ciencia de Datos Leonardo Alfonso Ramos Corona Facultad de Geografía, UAEM. Qué es la ciencia de datos? Es muy difícil encontrar una definición

Más detalles

Diplomado. Big Data Analytics. Administrando y explotando el potencial de grandes volúmenes de datos

Diplomado. Big Data Analytics. Administrando y explotando el potencial de grandes volúmenes de datos Diplomado Big Data Analytics Administrando y explotando el potencial de grandes volúmenes de datos Bienvenido, Diplomado Big Data Analytics Presentación El término Big Data se refiere a conjuntos de datos

Más detalles

Andres Felipe Rojas / Nancy Gelvez. UNESCO UNIR ICT & Education Latam Congress 2016

Andres Felipe Rojas / Nancy Gelvez. UNESCO UNIR ICT & Education Latam Congress 2016 Distributed processing using cosine similarity for mapping Big Data in Hadoop (Procesamiento distribuido usando similitud de coseno para mapear Big Data en Haddop) Andres Felipe Rojas / Nancy Gelvez UNESCO

Más detalles

LA MINERÍA DE DATOS APLICADA A LA BÚSQUEDA DE PATRONES DE SUPERVIVIENCIA EN LA NEOPLASIA MALIGNA DE TRÁQUEA, BRONQUIOS Y PULMÓN

LA MINERÍA DE DATOS APLICADA A LA BÚSQUEDA DE PATRONES DE SUPERVIVIENCIA EN LA NEOPLASIA MALIGNA DE TRÁQUEA, BRONQUIOS Y PULMÓN LA MINERÍA DE DATOS APLICADA A LA BÚSQUEDA DE PATRONES DE SUPERVIVIENCIA EN LA NEOPLASIA MALIGNA DE TRÁQUEA, BRONQUIOS Y PULMÓN Miguel Ángel Negrín; Christian González; Jaime Pinilla; Francisco-José Vázquez-Polo

Más detalles

Unidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15

Unidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15 Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre

Más detalles

Big Data para operadores de red y DNS. GORE 18 Madrid, Octubre 2016 Sebastian Castro NZRS

Big Data para operadores de red y DNS. GORE 18 Madrid, Octubre 2016 Sebastian Castro NZRS Big Data para operadores de red y DNS GORE 18 Madrid, Octubre 2016 Sebastian Castro NZRS 2 Qué es Big Data? like teenage sex... Algo que no cabe en Excel Las tres V Volumen Velocidad Variedad 3 Big Data

Más detalles

Métodos Predictivos en Minería de Datos

Métodos Predictivos en Minería de Datos Métodos Predictivos en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado en Minería de Datos de la Universidad de Stanford.

Más detalles

La educación como protagonista del futuro productivo. José Luis Roces Rector ITBA

La educación como protagonista del futuro productivo. José Luis Roces Rector ITBA La educación como protagonista del futuro productivo José Luis Roces Rector ITBA De dónde venimos SOCIEDAD INDUSTRIAL Eventos significativos de la Sociedad Industrial Hacia dónde vamos SOCIEDAD DIGITAL

Más detalles

Motivación. Motivación ESTIMACION DE LA DEMANDA

Motivación. Motivación ESTIMACION DE LA DEMANDA 4 ESTIMACION DE LA DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para estimar la función de demanda a partir de

Más detalles

Diplomado en Estadística e Investigación Científica

Diplomado en Estadística e Investigación Científica Sociedad Hispana de Investigadores Científicos Diplomado en Estadística e Investigación Científica Introducción Durante mucho tiempo se consideró a la investigación científica como una actividad de unos

Más detalles

Selección de fuentes de datos y calidad de datos

Selección de fuentes de datos y calidad de datos Selección de fuentes de datos y calidad de datos ESCUELA COMPLUTENSE DE VERANO 2014 MINERIA DE DATOS CON SAS E INTELIGENCIA DE NEGOCIO Juan F. Dorado José María Santiago . Valores atípicos. Valores faltantes.

Más detalles

Fiscalización Luis Terraza Supervisor Sindicatura de Comptes de Catalunya

Fiscalización Luis Terraza Supervisor Sindicatura de Comptes de Catalunya Fiscalización 2050 Luis Terraza Supervisor Sindicatura de Comptes de Catalunya 1 No es la especie más fuerte la que sobrevive, ni la más inteligente, sino la que se adapta mejor al cambio Charles Darwin

Más detalles

POSGRADOS. Maestría en Analítica e Inteligencia de Negocios

POSGRADOS. Maestría en Analítica e Inteligencia de Negocios POSGRADOS Maestría en Analítica e Inteligencia de Negocios CRECE PROFESIONALMENTE y perfecciona tus habilidades y aptitudes En la Maestría en Analítica e Inteligencia de Negocios de la UNITEC adquieres

Más detalles

INFORMACIÓN ACADÉMICO PROFESIONAL CIENCIA DE DATOS CURSO

INFORMACIÓN ACADÉMICO PROFESIONAL CIENCIA DE DATOS CURSO INFORMACIÓN ACADÉMICO PROFESIONAL CIENCIA DE DATOS CURSO 2018-19 2 / 8 CIENCIA DE DATOS 1. PRESENTACIÓN DE ESTOS ESTUDIOS El grado en responde a la necesidad de formar graduados expertos en el procesamiento

Más detalles

Máster en Big Data & Analytics Curso:

Máster en Big Data & Analytics Curso: Máster en Big Data & Analytics Curso: 2018-19 Online Máster en Big Data & Analytics Datos básicos Créditos ECTS: 60 Modalidad: Online Tipo de posgrado: Título propio Idioma en el que se imparte: Español

Más detalles

Aspectos prácticos de Big data, Inteligencia Artificial y Blockchain en el ámbito legal, con especial referencia a la gestión colegial

Aspectos prácticos de Big data, Inteligencia Artificial y Blockchain en el ámbito legal, con especial referencia a la gestión colegial Aspectos prácticos de Big data, Inteligencia Artificial y Blockchain en el ámbito legal, con especial referencia a la gestión colegial AMENAZA U OPORTUNIDAD? Primera Revolución tecnológica INTERNET ->

Más detalles

Título de la acción de capacitación: Ingeniería de Confiabilidad

Título de la acción de capacitación: Ingeniería de Confiabilidad Ingeniería de Confiabilidad Hoja 1 de 6 Título de la acción de capacitación: Ingeniería de Confiabilidad I.- Introducción: Uno de los retos más importantes para los profesionales de hoy consiste en desarrollar

Más detalles

Experto en Big Data Curso: Semipresencial

Experto en Big Data Curso: Semipresencial Experto en Big Data Curso: 2018-19 Semipresencial Experto en Big Data Datos básicos Créditos ECTS: 30 Modalidad: Semipresencial Tipo de posgrado: Título propio Idioma en el que se imparte: Español e Inglés

Más detalles

INTRODUCCION. Cátedra Electiva: "Big Data: Arquitecturas y Estrategias de Análisis de Datos Masivos 1

INTRODUCCION. Cátedra Electiva: Big Data: Arquitecturas y Estrategias de Análisis de Datos Masivos 1 INTRODUCCION Cátedra Electiva: "Big Data: Arquitecturas y Estrategias de Análisis de Datos Masivos 1 Context Contexto Crecimiento descomunal de los datos 1 ZB= 10 3 EB = 10 6 PB = 10 9 TB = 10 12 GB =

Más detalles

Curso. BigData y Análisis de Datos. (42 horas)

Curso. BigData y Análisis de Datos. (42 horas) Curso BigData y Análisis de Datos (42 horas) Colegio Administrativo & de Ciencias Económicas 01 Justificación Los grandes volúmenes de datos en las organizaciones, tienen un alto costo para lograrlos,

Más detalles

Del Big Data a la Inteligencia Artificial. Por qué el Gestor de Viajes y de Eventos necesita datos?

Del Big Data a la Inteligencia Artificial. Por qué el Gestor de Viajes y de Eventos necesita datos? Del Big Data a la Inteligencia Artificial Por qué el Gestor de Viajes y de Eventos necesita datos? Qué es el BIG DATA? Nos da noción dealmacenamiento y la gestión deuna cantidad elevada dedatos. Es importante

Más detalles

EL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.

EL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos

Más detalles

Cómo con el uso de Big Data en tiempo real se mejoran los Servicios Públicos

Cómo con el uso de Big Data en tiempo real se mejoran los Servicios Públicos Cómo con el uso de Big Data en tiempo real se mejoran los Servicios Públicos Wolfram Rozas IBM Big Data Business Development Executive 5 de Noviembre de 2015 Los servicios públicos tienen que abastecer

Más detalles

Curso Superior Universitario Data Analytics for Social Science Primera Edición: PLAN DOCENTE

Curso Superior Universitario Data Analytics for Social Science Primera Edición: PLAN DOCENTE Curso Superior Universitario Data Analytics Primera Edición: 2018-2019 PLAN DOCENTE DATOS GENERALES Nombre curso Data Analytics Número de créditos 8 Tipo curso Curso Superior Universitario Modalidad de

Más detalles

Índice general. Prefacio...5

Índice general. Prefacio...5 Índice general Prefacio...5 Capítulo 1 Introducción...13 1.1 Introducción...13 1.2 Los datos...19 1.3 Etapas en los procesos de big data...20 1.4 Minería de datos...21 1.5 Estructura de un proyecto de

Más detalles

MATEMÁTICAS APLICADAS A CCSS I

MATEMÁTICAS APLICADAS A CCSS I MATEMÁTICAS APLICADAS A CCSS I CONTENIDOS TEMA 1: EL NÚMERO REAL. Números racionales e irracionales. Aproximaciones. Potencias y radicales. Logaritmos. Notación científica. Matemática financiera: aumentos

Más detalles

Educación para el desarrollo

Educación para el desarrollo Educación para el desarrollo 21 de Junio 2018 La Confederación de la Producción y del Comercio (CPC) y Clapes-UC reunieron a un grupo de líderes mundiales en materia de educación digital, académicos nacionales

Más detalles

Programación estadística con R

Programación estadística con R Programación estadística con R DESCRIPCIÓN El presente curso introduce al conocimiento y manejo de las herramientas estadísticas presentes en R Project, aplicadas a tablas de frecuencias, estadísticas

Más detalles

Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)

Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre

Más detalles

ESTADÍSTICA SESIÓN / FECHA

ESTADÍSTICA SESIÓN / FECHA Departamento: Coordinación Académica ESTADÍSTICA Código del documento: Licenciatura: LAE, LCF, LM, LNI Área: Económico administrativas Cuatrimestre: 2do Horario: Martes De 16:00 a 17:30 Periodo escolar:

Más detalles

Grado en Ciencias Ambientales Universidad de Alcalá Curso Académico 2018/19 Segundo Curso Primer Cuatrimestre

Grado en Ciencias Ambientales Universidad de Alcalá Curso Académico 2018/19 Segundo Curso Primer Cuatrimestre ESTADÍSTICA Grado en Ciencias Ambientales Universidad de Alcalá Curso Académico 2018/19 Segundo Curso Primer Cuatrimestre GUÍA DOCENTE Nombre de la asignatura: ESTADÍSTICA Código: 670010 Titulación en

Más detalles

PROGRAMA DE UNIDAD DE APRENDIZAJE POR COMPETENCIAS

PROGRAMA DE UNIDAD DE APRENDIZAJE POR COMPETENCIAS PROGRAMA DE UNIDAD DE APRENDIZAJE POR COMPETENCIAS l. IDENTIFICACIÓN DE LA UNIDAD DE APRENDIZAJE ORGANISMO ACADÉMICO: FCAeI, IPRO, IPRES PROGRAMA EDUCATIVO: ACADEMIA LOCAL A LA QUE PERTENECE: Métodos Cuantitativos

Más detalles

CONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK

CONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK CONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK BLOQUE 1. ESTADÍSTICA 1. ESTADÍSTICA UNIDIMENSIONAL Variable estadística

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar

Más detalles

Estimación de las consecuencias económicas de epidemias animales. Caso práctico con PPC.

Estimación de las consecuencias económicas de epidemias animales. Caso práctico con PPC. Estimación de las consecuencias económicas de epidemias animales. Caso práctico con PPC. Curso de gestión de alertas sanitarias RASVE-MAGRAMA, 10/06/2015 E. Fernández Carrión 1 1 VISAVET (Centro de Vigilancia

Más detalles

Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( )

Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( ) 1 Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º (2015-2016) Tema 1: NÚMEROS REALES Conjuntos numéricos. Números naturales. Números enteros. Números racionales. Números

Más detalles

INVESTIGA I+D+i 2016/2017

INVESTIGA I+D+i 2016/2017 INVESTIGA I+D+i 2016/2017 GUÍA ESPECÍFICA DE TRABAJO SOBRE Big data Texto del Dr. David Rios Octubre de 2016 1 1. Resumen Realizamos una breve descripción sobre los conceptos principales de Big Data y

Más detalles

Inteligencia Artificial: Su uso para la investigación

Inteligencia Artificial: Su uso para la investigación Inteligencia Artificial: Su uso para la investigación Dra. Helena Montserrat Gómez Adorno Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas helena.adorno@iimas.unam.mx 1 Introducción

Más detalles

CURSOS DE PROGRAMACIÓN EN R

CURSOS DE PROGRAMACIÓN EN R CURSOS DE PROGRAMACIÓN EN R ENERO 2019 PROGRAMA DE CURSOS DE PROGRAMACIÓN EN R 1.- INTRODUCCIÓN. Actualmente tener conocimientos de programación en R es una gran ventaja para los profesionales, actuarios

Más detalles

Trafo 4.0. Digitalización, gestión dinámica de carga, mantenimiento y administración del riesgo de transformadores.

Trafo 4.0. Digitalización, gestión dinámica de carga, mantenimiento y administración del riesgo de transformadores. Trafo 4.0 Digitalización, gestión dinámica de carga, mantenimiento y administración del riesgo de transformadores. 1. Presentación de la propuesta 2. Consorcio, perfiles y convocatoria 2 Antecedentes Los

Más detalles

Conocimiento de Matemáticas de 4º ESO. a) Contenidos, temporalización y secuenciación. Bloque 1. Planificación del proceso de resolución de

Conocimiento de Matemáticas de 4º ESO. a) Contenidos, temporalización y secuenciación. Bloque 1. Planificación del proceso de resolución de Conocimiento de Matemáticas de 4º ESO. a) Contenidos, temporalización y secuenciación. Bloque 1. Planificación del proceso de resolución de problemas: análisis de la situación, selección y relación entre

Más detalles

Conocimiento de Matemáticas 2º ESO. a) Contenidos.

Conocimiento de Matemáticas 2º ESO. a) Contenidos. Conocimiento de Matemáticas 2º ESO. a) Contenidos. Bloque 1. Contenidos comunes. Planificación del proceso de resolución de problemas: análisis de la situación, selección y relación entre los datos, selección

Más detalles

Estimar el modelo óptimo que caracteriza la por vía i.v.

Estimar el modelo óptimo que caracteriza la por vía i.v. Caso 9: Farmacocinética de digoxina 61 Caso 9. Estimar el modelo óptimo que caracteriza la cinética plasmática de Digoxina administrada por vía i.v. (REGRESIÓN NO LINEAL PONDERADA) (J. MARTÍNEZ LANAO,

Más detalles

Berlitz Berlitz online (eberlitz)

Berlitz Berlitz online (eberlitz) Presentación Hoy en día, ya no se necesita justificar el estudio de un idioma. Todas las empresas necesitan identificar y promover el talento, y hacerlo mucho más allá de cualquier barrera lingüística.

Más detalles

Introducción a la Estadística Aplicada en la Química

Introducción a la Estadística Aplicada en la Química Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00

Más detalles

SISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS.

SISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS. SISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS. MTIE. Erik Guerrero Bravo. Universidad Tecnológica Tula - Tepeji. Introducción Sistemas Transaccionales

Más detalles

La piedra angular del Análisis Predictivo. José Ignacio Marín Alberdi IBM SPSS Client Technical Professional

La piedra angular del Análisis Predictivo. José Ignacio Marín Alberdi IBM SPSS Client Technical Professional La piedra angular del Análisis Predictivo José Ignacio Marín Alberdi IBM SPSS Client Technical Professional Objetivos de la sesión En la sesión de hoy cubriremos los siguientes puntos: Una definición operativa

Más detalles

MEMORIA E3. Análisis de datos aplicado a la valoración de las funciones humanas

MEMORIA E3. Análisis de datos aplicado a la valoración de las funciones humanas MEMORIA Entregable: Paquete de trabajo: Responsable: E3 PT3 IBV El contenido de este documento ha sido generado por el Instituto de Biomecánica (IBV) como resultado del proyecto IMAMCJ/2016/1 (Plan de

Más detalles

3. RELACION ENTRE DOS CONJUNTOS DE DATOS.

3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen

Más detalles

Escenario o Personaje? El Universo en expansión en las teorías de Einstein

Escenario o Personaje? El Universo en expansión en las teorías de Einstein Escenario o Personaje? El Universo en expansión en las teorías de Einstein Uno de los aspectos más originales de las teorías de Einstein es el rol del espacio y el tiempo. Antes de Einstein, éstos eran

Más detalles

INGENIERÍA MECATRÓNICA EN COMPETENCIAS PROFESIONALES

INGENIERÍA MECATRÓNICA EN COMPETENCIAS PROFESIONALES INGENIERÍA MECATRÓNICA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA PROPÓSITO DE APRENDIZAJE DE LA ASIGNATURA CUATRIMESTRE El alumno resolverá problemas estadísticos mediante

Más detalles

Técnicas de aprendizaje automático en el análisis de datos de DP. Dr. Carlos Fernández Lozano Juan de la Cierva-Formación

Técnicas de aprendizaje automático en el análisis de datos de DP. Dr. Carlos Fernández Lozano Juan de la Cierva-Formación Técnicas de aprendizaje automático en el análisis de datos de DP Dr. Carlos Fernández Lozano Juan de la Cierva-Formación carlos.fernandez@udc.es Índice Acerca de mí Big data? Medicina de precisión? Integración

Más detalles

Ofertas de prácticas en empresas y centros de investigación (dirigidas a alumnos y ex-alumnos del Máster en Técnicas Estadísticas)

Ofertas de prácticas en empresas y centros de investigación (dirigidas a alumnos y ex-alumnos del Máster en Técnicas Estadísticas) Ofertas de prácticas en s y centros de (dirigidas a alumnos y ex-alumnos del en Técnicas ) Controlabilidad estructural de dinámicas de opinión Nokia Bell Labs (Nozay, Francia) Departamento de matemáticas

Más detalles

Análisis de Componentes Principales (ACP)

Análisis de Componentes Principales (ACP) Sistemas de Visión en Manufactura Maestría en MIC, UDB Análisis de Componentes Principales (ACP) Presenta: Sergio Miguel García Pérez Enero de 2015 Introducción Cuando se recoge información de una muestra

Más detalles

TEMA 10 Correlación y regresión. El modelo de regresión simple

TEMA 10 Correlación y regresión. El modelo de regresión simple TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales

Más detalles

Modelización Tareas Clases Evaluación Reflexión. Clases

Modelización Tareas Clases Evaluación Reflexión. Clases Modelización Tareas Evaluación Reflexión Modelización Tareas Evaluación Reflexión Objetivos En este sub-módulo estudiarás cómo las pueden utilizarse como herramienta para ayudar a la modelización matemática.

Más detalles

TRANSFORMACIÓN DIGITAL E INDUSTRIA 4.0 SAN SEBASTIÁN MAYO 2018

TRANSFORMACIÓN DIGITAL E INDUSTRIA 4.0 SAN SEBASTIÁN MAYO 2018 TRANSFORMACIÓN DIGITAL E INDUSTRIA 4.0 SAN SEBASTIÁN MAYO 2018 CONTENIDOS Contexto Qué es la Transformación Digital De dónde viene Tecnologías Digitales Qué es la Industria 4.0 De dónde viene Tecnologías

Más detalles

Transformación digital: Impacto en el líder del futuro. Raúl Muñoz Agüera, Director de everis Perú

Transformación digital: Impacto en el líder del futuro. Raúl Muñoz Agüera, Director de everis Perú Transformación digital: Impacto en el líder del futuro Raúl Muñoz Agüera, Director de everis Perú Cómo la tecnología ha cambiado el esquema de las cosas? Cuánto tiempo tomó alcanzar los 50 millones de

Más detalles

Tecnologías de la imagen II

Tecnologías de la imagen II Tecnologías de la imagen II VÍDEO DIGITAL Conceptos iniciales Formatos y compresión de vídeo Eva Sales / Grado BBAA / Curso 2015-16 VÍDEO DIGITAL. Conceptos iniciales. NTSC vs. PAL VÍDEO DIGITAL. Conceptos

Más detalles

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL TESIS DE GRADO

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL TESIS DE GRADO ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL Instituto de Ciencias Matemáticas Ingeniería en Auditoría y Control de Gestión ANÁLISIS TÉCNICO DE INGRESOS Y EGRESOS DE UNA EMPRESA DISTRIBUIDORAS DE CELULARES,

Más detalles

Consultas sobre proceso de Licitación de la Herramienta de Análisis Inteligente de Datos para Impulsa (HAID IMPULSA) PREGUNTAS FRECUENTES

Consultas sobre proceso de Licitación de la Herramienta de Análisis Inteligente de Datos para Impulsa (HAID IMPULSA) PREGUNTAS FRECUENTES Consultas sobre proceso de Licitación de la Herramienta de Análisis Inteligente de Datos para Impulsa (HAID IMPULSA) Gijón, 24 de Mayo de 2018. PREGUNTAS FRECUENTES En el presente documento, que eventualmente

Más detalles