Data Day Monterrey el congreso líder para profesionistas de datos
Un exoplaneta es un planeta que orbita una estrella diferente al Sol y que, por lo tanto, no pertenece al sistema solar de la Tierra. Inferir las propiedades físicas de un exoplaneta es una labor compleja ya que se requiere de observaciones muy precisas, modelos físicos y estadísticos. En esta charla mostraremos la física y geometría por medio de la cual podemos detectar compañeros planetarios en estrellas.
Los delitos son un problema que afecta a la sociedad. El predecir dónde y cuándo ocurrirá algún siniestro ha sido tarea de analistas y científicos de datos, para responder preguntas como:¿Podemos detectar patrones de comportamiento en este tipo de eventos? ¿Podemos tomar medidas antes de la ocurrencia de estos eventos?
En esta plática presentaremos una investigación desarrollada en colaboración con un banco en el Reino Unido con el objetivo de detectar tipologías/patrones de lavado de dinero y financiamiento de terrorismo por medio de algoritmos de machine learning. Para el proyecto analizamos 13 millones de registros con información del perfil de los clientes financieros y sus transacciones.
Sesión presentada por Sinergiasys
El Dr. Esponda compartirá su perspectiva sobre el ecosistema de machine learning en México, y cómo mejorarlo por medio de transparencia
La plática inicia con la introducción del problema de la planeación de la demanda en un ejemplo concreto, un conjunto de datos con información de la venta de ciertos productos y las características que los acompañan.
El primer paso es mostrar un análisis exploratorio que nos ayude a entender los datos y concluir que podemos aplicar las ideas de series de tiempo y que éstas nos pueden ayudar a generar una predicción de la demanda.
¿Tu organización se tarda más de una semana en entregar un análisis bajo demanda?, ¿o más de 2 meses en entregar un producto de datos? Si es así, necesitas asistir a esta plática.
Revisaremos las causas más comunes de proyectos de datos lentos o poco efectivos, entre ellas: falta de datos, datos equivocados, o un equipo sin incentivos o capacidad para entregar valor al negocio de forma ágil.
Algunas veces se nos olvida lo que tiene que hacer un científico de datos, y lo confundimos con qué herramientas realiza su trabajo y cómo las utiliza. Si bien es necesario tener habilidades técnicas, este tipo de actividades debería transgredir más áreas de la organización y no delimitarse a utilizar las herramientas que se tengan a la mano. Porque no es lo mismo saber mover las piezas del ajedrez que saber ganar una partida.
En esta sesión mostraremos casos de organizaciones que han seguido el camino de la transparencia en sus iniciativas de machine learning logrando tener modelos altamente interpretables, y cómo esto les ha brindado una ventaja competitiva.
La calidad del aire es un problema de Monterrey y de otras ciudades de México, pero podemos hacer un cambio usando la ciencia de datos. En esta charla hablaré sobre cómo es posible obtener, analizar y generar datos de una red de sensores ciudadanos para así poder contribuir a mejorar la calidad del aire en tu ciudad.
En esta platica haremos una revisión exhaustiva de la técnica de deepfakes: la síntesis de imagenes, audio y texto que parecen producidos por humanos, pero en realidad están hechos usando técnicas de AI. Se repasará lo que constituye y las características de sus productos; para luego hacer un recorrido por las las arquitecturas de las redes neuronales que se utilizan para implementarlas.
Uno de cada cinco accidentes de tránsito en México ocurre en Nuevo León, donde se reportan de 5 a 8 percances por hora. Analizando datos abiertos de INEGI y otros, podemos entender con mayor exactitud la relación de ciertos factores con esta problemática y considerar opciones de mejora.
En esta sesión se presentarán múltiples perspectivas:
