2. Edgar Altszyler
Programa de Ciencia de Datos
Ciencia de Datos como
ventana a la sociedad

3. Visión y Misión

4. Programas y Proyectos

5. Programa Ciencia de Datos
Divulgación
Difusión del área en todo nivel
Educación
Cursos, becas y oferta académica
en el área
Asesoramiento
Definición, vinculación y coordinación
de proyectos.

6. Aplicaciones a las Ciencias Sociales

7. Exploración de los
datos / descubrimiento
de patrones
Predicción o identificación
de una propiedad a partir
de ejemplos
Ciencia de Datos
Data Mining Machine Learning

8. Data Mining

9. Culturomics: Análisis cuantitativo de la cultura a gran escala
Michel, J.B. et. Al, Quantitative analysis of culture using millions of digitized books, Science, (2011)
Google n-grams, 15 millones de libros escaneados
he
she

10. La matemática de las palabras
0 100
¿25?

11. La matemática de las palabras
amor comida
¿felicidad?

12. La matemática de las palabras
Corpus de textos
Word-embeddings

13. La matemática de las palabras
amor comida
felicidad
0.45 0.18
Cálculo de cercanía
semántica entre palabras

14. Observatorio del Cine

15. Observatorio del Cine
Más de 11.000
subtítulos

16. Estereotipos de Género en el Cine
Gálvez R., Tiffemberg V. and Altszyler E. (2018) Half a century of stereotyping associations between gender and intellectual ability in films

17. Estereotipos de Género en el Cine

18. Estereotipos de Género en el Cine
A. P. Lenton, C. Sedikides, M. Bruder, Sex Roles 60, 269 (2009).
● Feminine stereotyping roles
dancer, decorator, designer, dietician, florist, homemaker, housekeeper,
model, nanny, typist...
● Masculine stereotyping roles
engineer, programmer, physicist, architect, detective, pilot, firefighter,
inventor, mechanic, officer…

19. Estereotipos de Género en el Cine
Gálvez R., Tiffemberg V. and Altszyler E. (2018) Half a century of stereotyping associations between gender and intellectual ability in films
Actividad
estereotipada
Femenina
Actividad
estereotipados
Masculinos

20. Estereotipos de Género en el Cine
Gálvez R., Tiffemberg V. and Altszyler E. (2018) Half a century of stereotyping associations between gender and intellectual ability in films
Actividad
estereotipada
Femenina
Actividad
estereotipados
Masculinos

21. Estereotipos de Género en el Cine
● Intelligence associated words:
Intelligent, intelligence, intelligently, Ingenious, genius, ingeniousness,
ingeniously, bright, brightness, brightly, brilliant, brilliance, brilliantly,
clever, cleverness, cleverly.
Gálvez R., Tiffemberg V. and Altszyler E. (2018) Half a century of stereotyping associations between gender and intellectual ability in films

22. Estereotipos de Género en el Cine
Gálvez R., Tiffemberg V. and Altszyler E. (2018) Half a century of stereotyping associations between gender and intellectual ability in films

23. Estereotipos de Género en el Cine
Gálvez R., Tiffemberg V. and Altszyler E. (2018) Half a century of stereotyping associations between gender and intellectual ability in films

24. Estereotipos de Género en el Cine
Son las películas las que realmente han estado
moviendo todo en Estados Unidos. Te muestran
qué hacer, cómo hacerlo, cuándo hacerlo y cómo
sentirte al respecto.
Andy Warhol

25. Machine Learning

26. Red social de Salud Mental

27. Competencia CLPsych 2017
@Author - 06 Sep 2015, 15:56
Re: psychosis
I've had a rough day. I got very
close to self harming. Took myself
to hospital to talk to mental health
team to calm down. Now I'm at my
best mates to keep safe tonight.
• Crisis: El autor está en riesgo.
Los moderadores deben atender
este mensaje urgentemente
• Rojo: los moderadores deben
atender este mensaje cuanto antes
• Amarillo: Los moderadores deben
atender este mensaje en algún
momento
• Verde: No requiere atención de un
moderador

28. Machine Learning
@Author - 06 Sep 2015, 15:56
Re: psychosis
I've had a rough day. I got very close
to self harming. Took myself to
hospital to talk to mental health team
to calm down. Now I'm at my best
mates to keep safe tonight.

29. Extracción de Características
@Author - 06 Sep 2015, 15:56
Re: psychosis
I've had a rough day. I got very
close to self harming. Took myself
to hospital to talk to mental health
team to calm down. Now I'm at my
best mates to keep safe tonight.
I've → (0.4,0.9,...0.3)
had → (0.5,0.8,...0.5)
… → (...)
tonight → (0.1,0.9,...0.1)
(0.3,0.85,..,0.42)
Word-embeddings
Mean
50 dimensiones
50 dimensiones

30. Extracción de Características
@Author - 06 Sep 2015, 15:56
Re: psychosis
I've had a rough day. I got very
close to self harming. Took myself
to hospital to talk to mental health
team to calm down. Now I'm at my
best mates to keep safe tonight.
I've → (0.4,0.9,...0.3)
had → (0.5,0.8,...0.5)
… → (...)
tonight → (0.1,0.9,...0.1)
(0.3,0.85,..,0.42)
Word-embeddings
Mean
50 dimensiones
50 dimensiones

31. Extracción de Características
@Author - 06 Sep 2015, 15:56
Re: psychosis
I've had a rough day. I got very
close to self harming. Took myself
to hospital to talk to mental health
team to calm down. Now I'm at my
best mates to keep safe tonight.
Medidas psicolingüísticas
● Análisis de sentimiento
● Análisis de emociones
● Grado de control
● Autoreferencias (uso de pronombres)
● Complejidad léxica
● Coherencia semántica
● etc..

32. Extracción de Características
mensaje C1 C2 C3 C4
1 1 25 3 5
2 3 102 2 3
3 4 38 2 1
1000 5 134 0 4
... ... ... ... ...
146030 0 97 1 0
@Author - 06 Sep 2015, 15:56
Re: psychosis
I've had a rough day. I got very
close to self harming. Took myself
to hospital to talk to mental health
team to calm down. Now I'm at my
best mates to keep safe tonight.

33. Clasificación por expertos
mensaje C1 C2 C3 C4 Clase
1 7 25 3 5 Crisis
2 3 102 2 3 Verde
3 4 38 2 1 Rojo
1000 5 134 0 4 Crisis
... ... ... ... ... -
146030 0 97 1 0 -
@Author - 06 Sep 2015, 15:56
Re: psychosis
I've had a rough day. I got very
close to self harming. Took myself
to hospital to talk to mental health
team to calm down. Now I'm at my
best mates to keep safe tonight.

34. Clasificación
Entrenamiento
del
clasificador
men C1 C2 C3 clase
1 1/25 25 3 Crisis
2 3 102 2 Verde
3 4 38 3 Rojo
1000 10 93 7 Crisis
... ... ... ... -
440k 0 97 1 -

35. Clasificación automática de posts restantes
Verde
Rojo
Crisis
Amarillo
men C1 C2 C3 clase
1 1/25 25 3 Crisis
2 3 102 2 Verde
3 4 38 3 Rojo
1000 10 93 7 Crisis
... ... ... ... -
440k 0 97 1 -

36. @Author - 06 Sep 2017, 15:56
Re: Feelings
I have been feeling better. I feel
more happy and alive. Thank
you for all the support that you
bring me.
Características
Clasificación automática de nuevos posts

37. Clasificación automática de nuevos posts
@Author - 06 Sep 2017, 15:56
Re: Feelings
I have been feeling better. I feel
more happy and alive. Thank
you for all the support that you
bring me.
Características

38. Clasificación automática de nuevos posts
Clasificación
@Author - 06 Sep 2017, 15:56
Re: Feelings
I have been feeling better. I feel
more happy and alive. Thank
you for all the support that you
bring me.
Características

39. Competencia CLPsych 2017 Shared Task
crisis vs no-crisis
Urgente vs no-urgentes

40. Ciencia de
Datos
Ciencia de Datos como ventana a la sociedad