Data Day es un día de conferencias, talleres y demos, dirigido a personas involucradas en el procesamiento y análisis de datos en contextos empresariales.
Aprenderemos cómo construir un chat bot utilizando el Microsoft Bot Framework y el servicio LUIS (Language Understanding Intelligent Service) para comprensión de lenguaje.
La música electrónica suena muy similar entre ella para aquellos que no la siguen, pero para los que la disfrutamos, cada DJ tiene elementos propios que lo vuelven único y que lo convierten en nuestro predilecto. En esta charla entrenaremos un modelo de aprendizaje para que busque precisamente esas sutilezas y logre caracterizarlas.
En esta plática se dará una guía práctica con base en experiencias vividas al aplicar pruebas A/B en distintos dominios. El concepto de prueba A/B es simple pero dependiendo de lo que estemos evaluando puede complicarse mucho. Veremos cómo proceder con confianza y cautela en este tipo de pruebas.
En este taller, el participante aprenderá a aplicar los algoritmos más comunes dentro de la ciencia de datos para resolver problemas de negocio tales como clasificación, segmentación y/o asociación a través de la metodología CRISP-DM. Se utilizará la herramienta IBM SPSS Modeler y también se verá un ejemplo de integración con R.
En esta plática, veremos técnicas de lenguaje natural y aprendizaje supervisado encaminadas a contestar preguntas formuladas en lenguaje natural acerca de un set de datos, a través de Deep Learning.
Conforme las organizaciones construyen sus propias áreas o centros de excelencia para ciencia de datos, es importante conocer lecciones aprendidas de quienes ya han recorrido este camino. En esta sesión, el conferencista compartirá experiencias adquiridas en la creación y gestión de equipos de ciencia de datos en distintas organizaciones, guiando a los participantes a destilar mejores prácticas para construir equipos de ciencia de datos exitosos.
Los equipos de ciencia de datos, al enfocarse en los modelos, pierden de vista que éste es solo un pequeño tramo de servicio, y que la manera en la que los modelos tocan la realidad pueden hacer la diferencia entre el éxito o el fracaso.
Hoy contamos con muchos datos de nuestros clientes, pero lo importante es analizar el ciclo completo (atracción, compra, retención y recompra). El problema es que típicamente esta información se encuentra desintegrada: los departamentos de contabilidad trabajan con la parte transaccional del sistema (ERP) y mercadotecnia tiene datos de los clientes sin el detalle de sus transacciones.
Al crecer, los negocios pueden formar intereses contradictorios: un banco quiere tener más clientes pero tener menor monto en riesgo, un hospital quiere atender a más pacientes pero sin reducir la calidad de la consulta, si una campaña de marketing tuviera respuesta del 100% se rebasaría la capacidad del negocio.
