Presentación sobre MongoDB Avanzado para el Codemotion 2015. Novedades en MongoDB 3.2. Queries e Indices Avanzados. Modelado con MongoDB. MongoDB en el Cloud: DBaaS. Tooling para MongoDB y URLs con recursos.
Presentación sobre MongoDB Avanzado para el Codemotion 2015. Novedades en MongoDB 3.2. Queries e Indices Avanzados. Modelado con MongoDB. MongoDB en el Cloud: DBaaS. Tooling para MongoDB y URLs con recursos.
El término “Data Science” se ha vuelto muy popular recientemente con el aumento de popularidad de las redes sociales, análisis predictivos y el análisis de datos no estructurados como parte del crecimiento del “Big Data”. En esta sesión estaremos viendo que es “Data Science”, que necesitamos saber o aprender para poder convertirnos en un científico de datos y estaremos viendo algunos ejemplos de usos muy comunes usando lenguajes como Python, R y el cómo podemos integrar estos en SQL Server y Azure . Al final de esta charla tendrás un entendimiento más amplio de las técnicas de manejos de datos, modelamiento, visualización y los lenguajes y productos para poner tus proyectos en marcha.
El término “Data Science” se ha vuelto muy popular recientemente con el aumento de popularidad de las redes sociales, análisis predictivos y el análisis de datos no estructurados como parte del crecimiento del “Big Data”. En esta sesión estaremos viendo que es “Data Science”, que necesitamos saber o aprender para poder convertirnos en un científico de datos y estaremos viendo algunos ejemplos de usos muy comunes usando lenguajes como Python, R y el cómo podemos integrar estos en SQL Server y Azure . Al final de esta charla tendrás un entendimiento más amplio de las técnicas de manejos de datos, modelamiento, visualización y los lenguajes y productos para poner tus proyectos en marcha.
Big Data: Architecture and Performance Considerations in Logical Data LakesDenodo
This presentation explains in detail what a Data Lake Architecture looks like, how data virtualization fits into the Logical Data Lake, and goes over some performance tips. Also it includes an example demonstrating this model's performance.
This presentation is part of the Fast Data Strategy Conference, and you can watch the video here goo.gl/9Jwfu6.
Un recorrido por las diferentes tendencias del Big Data, importantes eventos a nivel mundial, desarrollo del Big Data en Europa, Estados Unidos y Corea del Sur y más.
Nota: referencias y enlaces de interés indicados en los comentarios de cada diapositiva, descargar la presentación para poder verlos.
Big data architectures and the data lakeJames Serra
With so many new technologies it can get confusing on the best approach to building a big data architecture. The data lake is a great new concept, usually built in Hadoop, but what exactly is it and how does it fit in? In this presentation I'll discuss the four most common patterns in big data production implementations, the top-down vs bottoms-up approach to analytics, and how you can use a data lake and a RDBMS data warehouse together. We will go into detail on the characteristics of a data lake and its benefits, and how you still need to perform the same data governance tasks in a data lake as you do in a data warehouse. Come to this presentation to make sure your data lake does not turn into a data swamp!
web 2 y web 3 representan un importante paso para la completa integracion de las maquinas y el Internet a nuestras vidas, haciendo de ellas de cierta manera un poco mas fácil y accesible ne cuanto a la búsqueda y adquisición de información se refiere.
Similar a CUADRO COMPARATIVO DE CONCEPTOS DE MINING DATA, BIG DATA Y CLOUD COMPUTING. (20)
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...JAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “ROMPECABEZAS DE ECUACIONES DE 1ER. GRADO OLIMPIADA DE PARÍS 2024”. Esta actividad de aprendizaje propone retos de cálculo algebraico mediante ecuaciones de 1er. grado, y viso-espacialidad, lo cual dará la oportunidad de formar un rompecabezas. La intención didáctica de esta actividad de aprendizaje es, promover los pensamientos lógicos (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia, viso-espacialidad. Esta actividad de aprendizaje es de enfoques lúdico y transversal, ya que integra diversas áreas del conocimiento, entre ellas: matemático, artístico, lenguaje, historia, y las neurociencias.
Las capacidades sociomotrices son las que hacen posible que el individuo se pueda desenvolver socialmente de acuerdo a la actuación motriz propias de cada edad evolutiva del individuo; Martha Castañer las clasifica en: Interacción y comunicación, introyección, emoción y expresión, creatividad e imaginación.
T3-Instrumento de evaluacion_Planificación Analìtica_Actividad con IA.pdf
CUADRO COMPARATIVO DE CONCEPTOS DE MINING DATA, BIG DATA Y CLOUD COMPUTING.
1. INSTITUTO NACIONAL TEXISTEPEQUE.
TERCER AÑO DE BACHILLERATO COMERCIAL.
MATERIA: INFORMATICA.
TEMA: CUADRO COMPARATIVO DE CONCEPTOS DE MINING DATA, BIG DATA Y
CLOUD COMPUTING.
MAESTRA: HJALMAR HERNANDEZ PEREZ.
ALUMNOS:
CACERES DUARTE, LUIS EDUARDO COD: 16.
ALDANA HEREDIA, RAÚL ENRIQUE COD: 06.
GUEVARA AGUILAR, JOSE ELIAS COD: 30.
SECCIÓN: “A”.
FECHA DE ENTREGA 13 DE MAYO DEL AÑO 2013.
2. CARACTERISTICAS.
DATOS GENERALES.
SIMILITUDES CON BIG
DATA O CLOUD
COMPUTING.
DIFERENCIAS CON BIG
DATA O CLOUD
COMPUTING.
VENTAJAS. DESVENTAJAS.
TERMINO EN ESTUDIO.
MINING
DATA.
ES UN CAMPO DE LAS CIENCIAS DE LA
COMPUTACIÓN REFERIDO AL PROCESO
QUE INTENTA DESCUBRIR PATRONES EN
GRANDES VOLÚMENES DE CONJUNTOS DE
DATOS. UTILIZA LOS MÉTODOS DE LA
INTELIGENCIA ARTIFICIAL, APRENDIZAJE
AUTOMÁTICO, ESTADÍSTICA Y SISTEMAS
DE BASES DE DATOS.
DATA MINING Y BIG
DATA SON EXPRESIONES
CASI SINÓNIMAS Y SE
REFIEREN AL INTERÉS DE
APROVECHAR LAS
GIGANTESCAS MASAS DE
INFORMACIÓN DE QUE
DISPONEMOS PARA
TOMAR DECISIONES.
MINING DATA Y BIG
DATA BUSCAN ESTUDIAR
GRADES MASAS DE
INFORMACIÓN
MIENTRAS QUE COULD
COMPUTING BUSCA MÁS
ESPECÍFICAMENTE
PRESTAR SERVICIOS DE
NEGOCIOS Y
TECNOLOGÍAS A TODAS
AQUELLAS PERSONAS
QUE TENGAN ACCESO A
EL INTERNET.
LOS MODELOS SE
CONSTRUYEN DE MANERA
RÁPIDA. (LA MINERÍA DE
DATOS PERMITE CONSTRUIR Y
GENERAR MODELOS EN SÓLO
UNO MINUTOS U HORAS).
DIFICULTAD DE RECOPILACIÓN
DE LOS DATOS: DEPENDIENDO
DEL TIPO DE DATOS QUE SE
QUIERAN RECOPILAR, PUEDE
CONLLEVAR MUCHO TRABAJO
O LA NECESIDAD DE
TECNOLOGÍA DE ELEVADO
COSTO.
ENORMES BASES DE DATOS
PUEDEN SER ANALIZADAS.
(ESTAS BASES DE DATOS
PUEDEN SER ENORMES TANTO
EN LARGO COMO EN ANCHO.
POR EJEMPLO, PARA CADA
CLIENTE SE PUEDE TENER
CIENTOS DE ATRIBUTOS QUE
CONTIENEN INFORMACIÓN
DETALLADA; Y ADEMÁS TENER
MILES DE REGISTROS DE
CLIENTES).
MINING DATA, COULD
COMPUTING Y BIG DATA
PRETENDEN EXTRAER
INFORMACIÓN DE UN
CONJUNTO DE DATOS Y
TRANSFORMARLA EN
UNA ESTRUCTURA
COMPRENSIBLE PARA SU
USO POSTERIOR YA SEA
RESOVIENDO
PROBLEMAS O
SIMPLEMENTE DÁNDOLE
INFORMACIÓN A LOS
USUARIOS EN GENERAL.
BIG DATA SE OCUPA DE
CAPTURAR,
ALMACENAR, BUSCAR,
COMPARTIR Y ANALIZAR
LA INFORMACIÓN
MIENTRAS QUE MINING
DATA SE ENCARGA MÁS
ESPECÍFICAMENTE AL
ANÁLISIS AUTOMÁTICO
Y SEMI- AUTOMÁTICO
DE LA INFORMACIÓN.
EL DATA MINING DESCUBRE
INFORMACIÓN QUE NO SE
ESPERABA OBTENER (COMO
MUCHOS MODELOS
DIFERENTES SON VALIDADOS,
ALGUNOS RESULTADOS
INESPERADOS TIENDEN A
APARECER).
EL PRE- PROCESAMIENTO DE
DATOS PUEDE LLEVAR
DEMASIADO TIEMPO.
LOS TRES CONCEPTOS EN
MENCIÓN UTILIZAN UN
SISTEMA DE
RECOLECCIÓN EN EL
CUAL SE VE LIGADO EL
INTERNET TANTO PARA
RECOGER DATOS ASÍ
COMO TAMBIÉN PARA
DISTRIBUIRLOS A LA
POBLACIÓN QUE
QUIEREN QUE LOS
CONOZCAN.
LA MINERÍA DE DATOS
SE ENCARGA DE
DESCUBRIR
INFORMACIÓN NUEVA
DE GRANDES
VOLÚMENES DE ESTA,
MIENTRAS QUE BIG
DATA Y COULD
COMPUTING SOLO
UTILIZAN LOS PATRONES
Y MASAS DE GRANDES
INFORMACIÓNES PARA
SU USO (NO SE ENFOCAN
EN DESCUBRIR COSAS
NUEVAS).
LOS MODELOS SON
CONFIABLES (EL MODELO ES
PROBADO Y COMPROBADO
USANDO TÉCNICAS
ESTADÍSTICAS ANTES DE SER
USADO, LUEGO LAS
PREDICCIONES QUE SE
OBTIENEN POR EL MODELO
SON VÁLIDAS Y CONFIABLES).
NO ESTÁ ASEGURADA LA
OBTENCIÓN DE UN MODELO
VÁLIDO DE INFORMACIÓN.
3. CARACTERISTICAS.
DATOS GENERALES.
SIMILITUDES CONMINING
DATAO CLOUD
COMPUTING.
DIFERENCIAS CON
MINING DATA O CLOUD
COMPUTING.
VENTAJAS. DESVENTAJAS.
TERMINO EN ESTUDIO.
BIG DATA.
"BIG DATA" ES UN TÉRMINO
APLICADO A CONJUNTOS DE DATOS
QUE SUPERAN LA CAPACIDAD DEL
SOFTWARE HABITUAL PARA SER
CAPTURADOS, GESTIONADOS Y
PROCESADOS EN UN TIEMPO
RAZONABLE.
DATA MINING Y BIG DATA
SON EXPRESIONES CASI
SINÓNIMAS Y SE REFIEREN
AL INTERÉS DE
APROVECHAR LAS
GIGANTESCAS MASAS DE
INFORMACIÓN DE QUE
DISPONEMOS PARA TOMAR
DECISIONES.
MINING DAT Y BIG DATA
BUSCAN ESTUDIAR
GRADES MASAS DE
INFORMACIÓN MIENTRAS
QUE COULD COMPUTING
BUSCA MÁS
ESPECÍFICAMENTE
PRESTAR SERVICIOS DE
NEGOCIOS Y TECNOLOGÍAS
A TODAS AQUELLAS
PERSONAS QUE TENGAN
ACCESO A EL INTERNET.
BIG DATA AYUDA A
ALMACENAMIENTO, PROTECCIÓN,
GESTIÓN, INTERCAMBIO, ANÁLISIS
Y VISTA PREVIA DE DATOS.
UN INCONVENIENTE DE BIG DATA
SERIA COMO SE PUDE GESTIONAR
TANTA INFORMACIÓN ÓSEA QUE
TIENE QUE TENER MATERIAL Y
EQUIPO ADECUADO LO QUE
IMPLICARÍA UN COSTO MUY
ELEVADO.
GESTIONA Y PROCESA EN UN
TIEMPO RAZONABLE LOS DATOS.
SIRVE PARA DESCRIBIR LOS
GRANDES VOLÚMENES DE DATOS
QUE COMPONEN INTERNET.
LOS DATOS "SENSIBLES" DEL
NEGOCIO NO RESIDEN EN LAS
INSTALACIONES DE LAS
EMPRESAS, LO QUE PODRÍA
GENERAR UN CONTEXTO DE ALTA
VULNERABILIDAD PARA LA
SUSTRACCIÓN O ROBO DE
INFORMACIÓN.
MINNG DATA, COULD
COMPUTING Y BIG DATA
PRETENDEN EXTRAER
INFORMACIÓN DE UN
CONJUNTO DE DATOS Y
TRANSFORMARLA EN UNA
ESTRUCTURA
COMPRENSIBLE PARA SU
USO POSTERIOR YA SEA
RESOLVIENDO PROBLEMAS
O SIMPLEMENTE DÁNDOLE
INFORMACIÓN A LOS
USUARIOS EN GENERAL
BIG DATA SE OCUPA DE
CAPTURAR, ALMACENAR,
BUSCAR, COMPARTIR Y
ANALIZAR LA
INFORMACIÓN MIENTRAS
QUE MINING DATA SE
ENCARGA MÁS
ESPECÍFICAMENTE AL
ANÁLISIS AUTOMÁTICO Y
SEMI- AUTOMÁTICO DE LA
INFORMACIÓN.
PERMITE INTEGRAR GRANDES
VOLÚMENES DE DATA
TRANSACCIONAL Y DE
INTERACCIÓN.
LA DISPONIBILIDAD DE SERVICIOS
ALTAMENTE ESPECIALIZADOS
PODRÍA TARDAR MESES O
INCLUSO AÑOS PARA QUE SEAN
FACTIBLES DE SER DESPLEGADOS
EN LA RED.
DISPONE DE DATOS VALIDADOS Y
CONFIABLES.
LOS TRES CONCEPTOS EN
MENCIÓN UTILIZAN UN
SISTEMA DE RECOLECCIÓN
EN EL CUAL SE VE LIGADO
EL INTERNET TANTO PARA
RECOGER DATOS ASÍ COMO
TAMBIÉN PARA
DISTRIBUIRLOS A LA
POBLACIÓN QUE QUIEREN
QUE LOS CONOZCAN.
BIG DATA A DIFERENCIA
DE MININO DATA SE
ENCARGA COMO FUNCIÓN
PRIMORDIAL DELA
RECOLECCIÓN DE DATOS,
PREPARACIÓN DE DATOS,
LA INTERPRETACIÓN DE
LOS RESULTADOS Y LA
INFORMACIÓN MIENTRAS
QUE MINING DATA NO
EJECUTA ESAS FUNCIONES
COMO PRIMORDIALES
SINO QUE BUSCAR NUEVA
INFORMACIÓN Y
CONOCIMIENTO.
PROVEE CAPACIDAD DESDE AUTO
SERVICIO A USUARIOS, ANALISTAS,
DESARROLLADORES, DATA
STEWARDS, DUEÑOS DE
PROYECTOS Y USUARIOS DE
NEGOCIO.
LA CENTRALIZACIÓN DE LAS
APLICACIONES Y EL
ALMACENAMIENTO DE LOS
DATOS ORIGINA UNA
INTERDEPENDENCIA DE LOS
PROVEEDORES DE SERVICIOS.
PERMITE SERVICIOS ADAPTATIVOS
DE DATOS. LA DISPONIBILIDAD DE LAS
APLICACIONES ESTÁ LIGADA A LA
DISPONIBILIDAD DE ACCESO
A INTERNET.
AYUDA AADMINISTRACIÓN DE
DATOS MAESTROS.
4. CARACTERISTICAS.
DATOS GENERALES.
SIMILITUDES CON
MINING DATA O BIG
DATA.
DIFERENCIAS CON
MINING DATA O BIG
DATA.
VENTAJAS. DESVENTAJAS.
TERMINO EN ESTUDIO.
CLOUD
COMPUTING.
LA COMPUTACIÓN EN LA NUBE,
CONCEPTO CONOCIDO
TAMBIÉN BAJO LOS
TÉRMINOS SERVICIOS EN LA
NUBE, INFORMÁTICA EN LA
NUBE, NUBE DE
CÓMPUTO O NUBE DE
CONCEPTOS, DEL INGLÉS CLOUD
COMPUTING, ES
UNPARADIGMA QUE PERMITE
OFRECER SERVICIOS DE
COMPUTACIÓN A TRAVÉS
DE INTERNET.
AL IGUAL QUE MINING
DATA Y BIG DATA CLOUD
COMPUTING PERMITE
QUE LA INFOMACION SEA
APROVECHADA POR LOS
USUARIOS Y QUE ELLOS
POR MEDIO DEL INTERNET
CONOZCAN Y APRENDAN
NUEVOS DATOS.
MINING DAT Y BIG DATA
BUSCAN ESTUDIAR
GRADES MASAS DE
INFORMACIÓN MIENTRAS
QUE COULD COMPUTING
BUSCA MÁS
ESPECÍFICAMENTE
PRESTAR SERVICIOS DE
NEGOCIOS Y TECNOLOGÍAS
A TODAS AQUELLAS
PERSONAS QUE TENGAN
ACCESO A EL INTERNET.
INTEGRACIÓN PROBADA DE
SERVICIOS RED.
LA CENTRALIZACIÓN DE LAS
APLICACIONES Y EL
ALMACENAMIENTO DE LOS DATOS
ORIGINA UNA INTERDEPENDENCIA
DE LOS PROVEEDORES DE
SERVICIOS.
PRESTACIÓN DE SERVICIOS
A NIVEL MUNDIAL.
UNA INFRAESTRUCTURA
100% DE CLOUD
COMPUTING PERMITE AL
PROVEEDOR DE
CONTENIDOS O SERVICIOS
EN LA NUBE PRESCINDIR DE
INSTALAR CUALQUIER TIPO
DE HARDWARE, YA QUE
ÉSTE ES PROVISTO POR EL
PROVEEDOR DE LA
INFRAESTRUCTURA O LA
PLATAFORMA EN LA NUBE.
LA DISPONIBILIDAD DE LAS
APLICACIONES ESTÁ LIGADA A LA
DISPONIBILIDAD DE ACCESO
A INTERNET.
LOS TRES CONCEPTOS EN
MENCIÓN UTILIZAN UN
SISTEMA DE RECOLECCIÓN
EN EL CUAL SE VE LIGADO
EL INTERNET TANTO PARA
RECOGER DATOS ASÍ
COMO TAMBIÉN PARA
DISTRIBUIRLOS A LA
POBLACIÓN QUE QUIEREN
QUE LOS CONOZCAN.
BUSCAR AUMENTAR LOS
SERVICIOS QUE AYUDEN A
LAS PERSONAS POR
MEDIO DE LA INTERNET Y
A DIFERENCIA DE MINING
DATA NO BUSCA NUEVOS
CONOCIMIENTOS SI NO
USAR AL MÁXIMO
POTENCIAL LOS YA
EXISTENTES.
LA DISPONIBILIDAD DE SERVICIOS
ALTAMENTE ESPECIALIZADOS
PODRÍA TARDAR MESES O INCLUSO
AÑOS PARA QUE SEAN FACTIBLES
DE SER DESPLEGADOS EN LA RED.
IMPLEMENTACIÓN MÁS
RÁPIDA Y CON MENOS
RIESGOS, YA QUE SE
COMIENZA A TRABAJAR
MÁS RÁPIDO Y NO ES
NECESARIA UNA GRAN
INVERSIÓN.
LA CONFIABILIDAD DE LOS
SERVICIOS DEPENDE DE LA "SALUD"
TECNOLÓGICA Y FINANCIERA DE
LOS PROVEEDORES DE SERVICIOS
EN NUBE. EMPRESAS EMERGENTES
O ALIANZAS ENTRE EMPRESAS
PODRÍAN CREAR UN AMBIENTE
PROPICIO PARA EL MONOPOLIO Y
EL CRECIMIENTO EXAGERADO EN
LOS SERVICIOS.
MINNG DATA, COULD
COMPUTING Y BIG DATA
PRETENDEN EXTRAER
INFORMACIÓN DE UN
CONJUNTO DE DATOS Y
TRANSFORMARLA EN UNA
ESTRUCTURA
COMPRENSIBLE PARA SU
USO POSTERIOR YA SEA
RESOLVIENDO
PROBLEMAS O
SIMPLEMENTE DÁNDOLE
INFORMACIÓN A LOS
USUARIOS EN GENERAL.
COULD COMPUTING SOLO
BUSCA AYUDAR A LOS
PROVEEDORES O
USUARIOS DE A INTERNET
A USAR MÁS
APROPIADAMENTE LAS
GRANDES MASAS DE
INFORMACIÓN Y NO EN SI
ESTUDIAR ESAS GRANDES
MASAS DE INFORMACIÓN
PARA OTROS FINES.
ACTUALIZACIONES
AUTOMÁTICAS QUE NO
AFECTAN NEGATIVAMENTE
A LOS RECURSOS DE TI.
CONTRIBUYE AL USO
EFICIENTE DE LA ENERGÍA.
5. BIBLIOGRAFIA.
LAS FUENTES DE INFORMACIÓN SITUADOS A CONTINUACIÓN HAN SIDO UTILIZADAS COMO REFERENCIA A LO LARGO DE
TODA NUESTRA INVESTIGACIÓN:
LA INFORMACION DE MINING DATA FUE SACADA DE:
http://es.wikipedia.org/wiki/Miner%C3%ADa_de_datos.
LA INFORMACION DE BIG DATA FUE SACADA DE:
http://es.wikipedia.org/wiki/Big_data.
http://www.netec.com.mx/post/2012/9/17/el-verdadero-costo-del-big-data/.
http://www.energiacreadora.es/ec-3/data-mining-big-data-data-science/.
http://rocreguant.com/posibles-problemas-del-big-data/351/.
http://www.emprendejalisco.com/medios/1943-big-data-una-nueva-forma-de-analizar-al-mundo.html.
LA INFORMACION DE COULD COMPUTING FUE SACADA DE:
http://es.wikipedia.org/wiki/Computaci%C3%B3n_en_la_nube