Data Day(s) Virtual 2020

Como parte del fellowship Summer of Data de SocialTIC y la Sociedad Mexicana de Ciencia de Datos, se está desarrollando un análisis exhaustivo de las solicitudes de información que llegan al INAI de 2012 a 2019. Veremos lo que la ciudadanía pregunta, lo que el INAI responde, y cómo podemos ayudar a formar una cultura de transparencia con un producto de datos de clasificador de nuevas preguntas.

Las Word embeddings son técnicas utilizadas en el procesamiento de lenguaje natural donde las palabras o frases son mapeadas a vectores de números reales, de tal manera que los vectores generados pueden ser explotados por algoritmos de machine learning.

En esta charla mostraremos:

Para que los datos generen valor al negocio, no basta con capturarlos y crear modelos. Es necesario gestionarlos de forma coordinada, de principio a fin. En esta sesión abordaremos temas de DATAOPS y discutiremos sobre la importancia de reducir el costo total de propiedad (TCO) para ir al mercado más rápido con servicios modernos de administración de bases de datos.

En este taller presentaremos un proyecto de investigación y consultoría sobre la detección de outliers en distintos problemas de predicción. Junto a Karin Alcaraz, Ana Isabel Ascencio y Ernesto Lupercio hemos estudiado la naturaleza y la riqueza de los outliers; utilizando técnicas de Wavelets y Extreme Value Theory hemos mejorado en algunas circunstancias algunos de los algoritmos clásicos de detección de anomalías.

Las herramientas basadas en machine learning e inteligencia artificial cada vez se aplican más en contextos donde pueden tener un impacto drástico en la vida de las personas en aspectos como justicia criminal, educación salud, oportunidades profesionales y servicios sociales.

La manufactura, con todo y su historia de casi 300 años, no está exenta de ser mejorada por técnicas de machine learning. En el siglo XX nació la investigación de operaciones y el modelado matemático pasó a formar parte de los procesos industriales, sin embargo, los problemas se enfocaban desde un punto de vista analítico exacto. Actualmente la abundancia de datos y métodos es la norma.

El procesamiento y limpieza de datos tabulares es una tarea lenta y tediosa. En esta sesión mostraremos cómo esta tarea se puede realizar hasta 10 veces más rápido utilizando Bumbleebee, una herramienta open source para ETL que hace procesamiento paralelo usando GPUs.

Each day, 1.8 billion individuals drink water contaminated with faeces. Improved faecal matter detection methods are crucial in identifying causes of water contamination, communicating risks to users more efficiently, and developing adequate solutions, especially in the domain of sanitation infrastructure.

La capacidad de procesar y consumir datos en tiempo real ya no solo es una posibilidad, sino una ventaja competitiva que están tomando las empresas líderes. En esta sesión platicaremos sobre por qué y cómo establecer arquitecturas de datos modernas que soporten procesamiento de datos en tiempo real para impulsar a su negocio.

El mundo está compuesto por infinidad de redes interconectadas, piensa un momento la red que forman tus amigos y los amigos de tus amigos, cómo funciona una red celular, la forma en la que operan las tiendas e-commerce, etc. En este taller te enseñaremos a ver el mundo a través de un grafo y cómo usar estas estructuras para generar conocimiento de una forma natural. Aprenderás a utilizar la plataforma de neo4j, subir archivos, ejecutar queries en CYPHER, y modelar los datos como un grafo.

A raíz de la pandemia de COVID-19 se han utilizado distintos modelos para explicar y predecir su comportamiento, la mayoría de ellos con poca efectividad debido a la baja cobertura de datos y circunstancias cambiantes.

¿Será que la manera en que hablamos durante una llamada de cobranza dice algo sobre nuestro comportamiento de pago? Más en específico, ¿habrá características físicas del sonido de nuestra voz que puedan correlacionarse con nuestro comportamiento de pago?

Una de las principales preocupaciones de la población urbana es evadir zonas específicas de la ciudad con un alto índice de crímenes.

¿Cómo puede llevar el aprendizaje automático a las masas? ¿Cómo puede tener varios equipos en su organización para crear modelos de ML precisos sin ser expertos en ciencia de datos o aprendizaje automático?

Venga a esta sesión y descubra cómo comenzar con el Machine Learning automático con H2O Driverless AI, y desarrolle modelos potentes con solo unos pocos clics.

Machine learning is the secret behind the neural networks that Netflix and Spotify use to surface recommendations, and the underlying technology behind Siri’s voice recognition. It’s changing the world at a rate none of us could have expected. It’s not just a buzzword, but it’s a powerful technology that developers and IT leaders need to begin to understand now to be better prepared for the future.

Aunque se ha mencionado por años, la realidad de muchas empresas es la misma: El 80% del esfuerzo de las iniciativas de ciencia de datos se invierte en tener acceso a datos limpios.

En México, el procedimiento para estimar el porcentaje de votos a favor de los candidatos en el día de la elección se conoce como conteo rápido y es organizado por la autoridad electoral. El conteo rápido consiste en seleccionar una muestra aleatoria de las casillas de votación y analizar sus resultados. El análisis puede hacerse con distintas metodologías.

En este laboratorio práctico mostraremos cómo habilitar un datawarehouse en la nube para datos estructurados y semi-estructurados utilizando la plataforma de Snowflake. Los participantes aprenderán los conceptos básicos de una plataforma de datos para la nube y de la arquitectura de Snowflake.

Adding an Elasticsearch cluster to your organization not only offers an opportunity to search, analyze, and view your data in real time, but also provides a strong foundation on which to build robust data science capabilities. In this session we will show you how analytics teams use the Elastic Stack to build and deploy unsupervised and supervised models.

In 2017, 30% of US children referred to child protective services (CPS) had a prior history of CPS involvement. Despite the effort of child protective services (CPS) to coordinate services that will prevent future concerns of child maltreatment, recidivism is still common.

El uso de los servicios financieros nos puede dar una idea de qué tan desarrollada está una sociedad.

En un presente en que todo implica datos, algunos almacenados, pocos analizados y menos todavía interpretados, es de especial relevancia hacernos las preguntas correctas.

En la era en que las nubes son el nuevo hardware, su utilización debe ser: abierta, multi-nube, gobernada, segura y con la posibilidad de cambiar de proveedor, con tan solo un click.

En esta charla patrocinada por Cloudera revisaremos las posibilidades y ventajas que ofrece su plataforma para gestionar datos en las principales nubes públicas, en nube privada y en tu datacenter, eligiendo donde es más conveniente hacerlo.

México se encuentra en una posición privilegiada para evolucionar su práctica de ciencia de datos. Gracias a nuestro enfoque en automatización, existen las bases para pasar del paradigma ETL-> Limpieza -> Modelado -> Predicción, a uno de dinámica de sistemas que contínuamente observe la realidad, aprenda de ella, la altere, recoja la nueva realidad, reaprenda, y la vuelva a alterar.