Archivo de la etiqueta: Big Data

Big data. Hagamos hablar a los datos

pd1

Rodríguez Canfranc, Pablo. Big data. Hagamos hablar a los datos. Profesiones Digitales 1. Madrid: Fundación Telefónica, 2019

Texto completo

El reto del big data consiste en poder gestionar la avalancha de información en bruto que nos rodea para darle una utilidad. La data science es una disciplina basada en métodos matemáticos, estadísticos y de programación informática, que permite responder a preguntas relacionadas con la estrategia de una empresa u organización, describiendo, anticipando y prediciendo sucesos y recomendando acciones.

PROFESIONES DIGITALES es una colección de monográficos de Fundación Telefónica que pretende dar a conocer aquellos perfiles profesionales más demandados por la economía digital.

Con un lenguaje sencillo y divulgativo, cada número acerca al lector una disciplina en la que desarrollan su actividad los trabajadores con los puestos más vanguardistas, ofreciendo de esta manera una breve orientación sobre nuevas áreas laborales.

 

Big data. Hagamos hablar a los datos

 

PD1

Big data. Hagamos hablar a los datos. Madrid: Fundación Telefónica, 2018

Texto completo

 

El reto del big data consiste en poder gestionar la avalancha de información en bruto que nos rodea para darle una utilidad. La data science es una disciplina basada en métodos matemáticos, estadísticos y de programación informática, que permite responder a preguntas relacionadas con la estrategia de una empresa u organización, describiendo, anticipando y prediciendo sucesos y recomendando acciones.

PROFESIONES DIGITALES es una colección de monográficos de Fundación Telefónica que pretende dar a conocer aquellos perfiles profesionales más demandados por la economía digital.

Con un lenguaje sencillo y divulgativo, cada número acerca al lector una disciplina en la que desarrollan su actividad los trabajadores con los puestos más vanguardistas, ofreciendo de esta manera una breve orientación sobre nuevas áreas laborales.

¿Qué es y qué importancia tiene la gestión de datos de investigación (GDI)?

 

blog-203-1

 

Alonso-Arévalo, Julio ¿Qué es y qué importancia tiene la gestión de datos de investigación (GDI)?. Desiderata, nº 10 – Año II – enero, febrero y marzo de 2019

Texto completo

 

El aumento del volumen y organización de la información capturada por las empresas y organizaciones, el incremento de los multimedia, las redes sociales y la “Internet de las cosas” van a impulsar un crecimiento exponencial de los datos en el futuro más inmediato. La importancia de estos datos sobre patrones de comportamientos serán un recurso vital para el desarrollo social y económico de la sociedad, por lo que será necesaria la planifi cación, gestión y reutilización de estos datos.

Los Big Data pueden ofrecer la promesa de convertir los datos en una ventaja competitiva.

Business information and infographics concept.

. Karim Taga,  Michael Opitz, Arvind Rajeswaran, Lokesh Dadhich, Jorge Abril-Martorell, Pranav Prince “Telecoms data monetization: Reality, not a mirage. Big data can deliver the promise of converting data into competitive advantage”. Arthur D. Little, 2018

Texto completo

A nivel mundial, las empresas de telecomunicaciones consideran que el análisis de datos es un pilar estratégico clave y continúan invirtiendo en esta dirección. Sin embargo, pocos de ellos han recuperado aún los beneficios de estas inversiones, porque se enfrentan a múltiples dilemas para encontrar los casos de uso adecuados, tomar las decisiones tecnológicas correctas a partir de opciones cada vez mayores y adoptar los modelos operativos y de gestión adecuados para fomentar la toma de decisiones basada en datos.

Las empresas de telecomunicaciones deben darse cuenta de que la analítica de datos es una “capacidad imprescindible” en esta era digital, y las inversiones relacionadas les ayudarán a sobrevivir en el panorama competitivo emergente. Necesitan explotar los casos de uso de análisis en todas sus funciones principales de negocio, tanto en la atención al cliente como en otras áreas, como la cadena de suministro, los recursos humanos y las operaciones. Las empresas de telecomunicaciones están en una posición única para crear oportunidades de monetización de datos externos, pero éstas deben explorarse caso por caso, manteniendo al mismo tiempo un enfoque primario en la monetización interna. Por último, los ejecutivos de las empresas de telecomunicaciones deben liderar los esfuerzos para impulsar el cambio en toda la organización a fin de fomentar la toma de decisiones basadas en datos.

Varias de las principales empresas de telecomunicaciones han incluido la “creación de grandes capacidades de datos y análisis” como un pilar estratégico clave, y continúan invirtiendo en esta dirección. Sin embargo, los beneficios de estas inversiones no han sido los mismos para todos ellos. Creemos que es hora de que las empresas de telecomunicaciones aborden las siguientes cuestiones a la hora de aprovechar el valor de sus inversiones en análisis.

  • Identificación de grupos de valores: Un gran número de casos de uso aparecen constantemente en el horizonte, pero ¿dónde está la oportunidad en la cadena de valor, y qué casos de uso representan el mejor potencial de creación de valor?
  • Toma de decisiones tecnológicas: Una amplia gama de soluciones y opciones tecnológicas están surgiendo en el espacio de datos y análisis. Pero ¿Cuáles son las consideraciones clave para la toma de decisiones tecnológicas?
  • Elección del modelo operativo óptimo: Existen diferentes arquetipos de modelos operativos para que las empresas de telecomunicaciones construyan capacidades de análisis de datos en sus organizaciones. ¿Cuáles son las consideraciones clave para el diseño de modelos operativos en contextos específicos?
  • Poner en práctica la estrategia de monetización: Las empresas de telecomunicaciones necesitan encontrar formas de ejecutar el análisis de datos para obtener una ventaja estratégica. ¿Cómo pueden las empresas de telecomunicaciones garantizar la ejecución sostenible de sus grandes iniciativas de datos?

Ética en la evaluación de bibliotecas y la privacidad de los datos personales de los usuarios

hqdefault

Asher, Andrew  ; Briney, , Kristin; Gardner, Gabriel “Ethics in Research Use of Library Patron Data Glossary and Explainer” Digital Library Federation, 2018

Descargar

Ver vídeo

Las bibliotecas universitarias están bajo una presión constante para demostrar su valor e impacto. Con este fin, la mayoría de las bibliotecas realizan habitualmente mediciones sobre el uso de las colecciones, servicios e instalaciones por parte de los usuarios, pero el crecimiento en el uso de la analítica de aprendizaje ha creado una nueva e importante demanda de recopilación y análisis de datos. Esta tendencia ha generado preocupación por la privacidad de los clientes y la posible violación de la ética profesional.

Tomando una una discusión dentro del grupo de trabajo del Foro “Digital Library Federation” DLF de 2017 sobre la creciente inversión de la educación superior en productos y sistemas que pueden rastrear y compilar datos sobre el comportamiento de los usuarios a través de datos y tecnología, Yasmeen Shorish y Shea Swauger formaron el grupo DLF sobre vigilancia tecnológica. (Technologies of Surveillance Working Group)

La utilización de los Big Data en industrias y campos de investigación conllevan la recolección y la analizar la mayor cantidad de datos posible sobre personas, lo que aumenta la comprensión de sus comportamiento y aumenta nuestra capacidad para construir y organizar servicios. Pero, la recolección de datos a menudo se realiza a través de la tecnología de vigilancia, desde el registro de actividades en línea hasta la Web. cámaras de vídeo digitales, datos de los teléfonos móviles, seguimiento Wi-Fi y en las bases de datos.

La adopción y participación de una biblioteca en estos sistemas no está exenta de preocupaciones éticas, y podría tener consecuencias en términos de privacidad de los usuarios que contradicen directamente algunos de los principios establecidos en el Código de Ética Profesional, tales como el derecho a la confidencialidad y la priorización de los usuarios, colegas e instituciones por encima de los intereses privados.

Por ello a principios de este mes, el subgrupo de Ética Profesional de la Investigación del grupo de trabajo publicó Ethics in Research Use of Library Patron Data Glossary and Explainer.

 

 

Agenda Big Data: Ética de datos y estudios de datos críticos.

51dajazvzsl-_sx312_bo1204203200_

Richterich, A. (2018). [e-Book] The Big Data Agenda: Data Ethics and Critical Data Studies. London: University of Westminster Press, 2018.

Texto completo

Este libro destaca que la capacidad de recopilar, analizar y utilizar grandes cantidades de datos digitales de los usuarios plantea importantes problemas éticos. Annika Richterich ofrece una visión general sistemática y contemporánea del campo de los estudios de datos críticos que refleja las prácticas de recopilación y análisis de datos digitales. El libro evalúa en detalle una gran área de investigación de datos: los estudios biomédicos, centrados en la vigilancia epidemiológica. Estudios de caso específicos que explora cómo se han utilizado los datos masivos en el trabajo académico.

 

 

Un laboratorio de IA en una biblioteca ¿Por qué es importante la inteligencia artificial?

uri20ai20lab

 

 

Más post en UA sobre  

Tradicionalmente, los laboratorios de inteligencia artificial (IA) que disponen los campus se han ubicado en edificios de ciencias, ingeniería o informática, proporcionando un espacio para que los investigadores y estudiantes de posgrado desarrollen algoritmos informáticos que puedan aprender o exhibir un comportamiento inteligente. Sin embargo, en otoño de 2018 se abrirá en la Universidad de Rhode Island el primer Laboratorio de Inteligencia Artificial (IA) integrado en una biblioteca universitaria, que estará disponible para todos los profesores y estudiantes en la Biblioteca Robert L. Carothers de la universidad.

 

Para los gestores de la University of Rhode Island (URI), la ubicación de este laboratorio en la biblioteca es clave, ya que se trata de un lugar central compartido, que impulsará la conciencia de la importancia de la Inteligencia Artificial a toda la comunidad universitaria, más allá de los profesores y estudiantes de las áreas tradicionales que habitualmente utilizan la IA. En su opinión, la biblioteca, como espacio interdisciplinario que tiene como objetivo la inclusión, es el lugar ideal para que las personas de todos los orígenes aprendan sobre la IA,

Antes de tomar esta decisión, se hizo una encuesta en la que se preguntó a los estudiantes de University of Rhode Island sobre qué asuntos deseaban que incluyeran en su currículo. La IA estaba entre los más solicitados. Esto impulsó a iniciar una reflexión sobre la creación de un  laboratorio de IA en la universidad.

La IA comenzó a utilizarse más en la década de 1980, cuando se desarrollaron sistemas expertos para imitar el proceso de toma de decisiones humanas. Sin embabrgo, en los últimos años, la tecnología ha avanzado considerablemente, porque Internet permite una mayor escala de datos, y la informática de alta velocidad ha multiplicado el poder de procesamiento. Los avances en las redes neuronales artificiales han producido una técnica llamada aprendizaje profundo, que ha permitido desarrollar una serie de tecnologías tales como coches sin conductor, recomendaciones de Netflix, traducciones en tiempo real, reconocimiento facial, e imágenes médicas que pueden superar a la radiología tradicional. Pero en muchos casos, las herramientas de IA son propietarias, complejas y no pueden ser utilizadas por cualquiera que no trabaje en una compañía o laboratorio.  Por ello es importante que estos tipos de proyectos se ubiquen en un lugar público como las bibliotecas, en el que todos tienen la posibilidad de acceder a los conocimientos en el mismo plano de igualdad.

El laboratorio de Inteligencia Artificial funcionará como un espacio de colaboración entre los estudiantes que están trabajando en sus proyectos finales o de clase. Se requerirá que los estudiantes se registren y hagan previamente varios cursos de aprendizaje, desde los más básicos hasta los más avanzados, que los prepararán para aplicar la IA en sus proyectos.

El laboratorio de IA ocupará una sala de 500 metros cuadrados, que tendrá tres zonas.

Zona 1: Estaciones de trabajo de AI para el aprendizaje individualizado

El laboratorio contendrá ocho estaciones de trabajo idénticas donde un estudiante o un equipo de estudiantes pueden aprender cosas sobre IA y otras áreas temáticas relevantes. Cada estación de trabajo dispone de una supercomputadora donde los estudiantes -comenzando con ejercicios introductorios-, pueden fácilmente hacer la transición a proyectos prácticos en el siguiente nivel.

Zona 2: Banco de Proyectos Práctico

Después de que los estudiantes reciban la formación básica sobre IA y ciencia de datos, trabajarán con herramientas avanzadas para diseñar proyectos prácticos en los que pueden aplicar algoritmos de IA a diversas aplicaciones:

  • Robots de Aprendizaje Profundo: para que los estudiantes programen robots móviles instrumentados con cámaras, radares, y sensores para construir algoritmos de Inteligencia Artificial.
  • Internet de las cosas para las ciudades inteligentes: Se desarrollará un modelo físico en Rhode Island. El modelo contendrá sensores distribuidos para que los estudiantes puedan diseñar proyectos algorítmicos inteligentes para controlar los espacios de la ciudad tales como iluminación, tráfico, tránsito y estacionamiento.
  • Análisis de datos de investigación (Big Data): Un entorno de aprendizaje con otros profesores para que los estudiantes puedan acceder y analizar varios tipos de datos masivos disponibles en el dominio público.

 

Zona 3: AI Hub para el pensamiento colaborativo

En el centro del Laboratorio de Inteligencia Artificial, se ubicará un centro de Inteligencia Artificial donde los estudiantes con expertos pueden seguir un pensamiento colaborativo, que incluirá pensamiento de diseño y lluvia de ideas sobre la Inteligencia Artificial.