La siguiente presentación acompaña el episodio de podcast y la transmisión que se hizo del caso de DASHBOARD presentado en la edición 2021 del Tianguis Turístico en Mérida, Yucatán, México
Datlas - Workshop Coloquio Industria 4.0 UANLDatlas
Visita www.datlas.mx
Esta es la presentación de Datlas en el Workshop Coloquio de Industria 4.0 auspiciado por la Universidad Autónoma de Nuevo León UANL durante el 1 de noviembre de 2018. El evento se llevó a cabo en la Biblioteca Universitaria Raúl Rangel Frías
Información del Evento: http://eventos.uanl.mx/industria4.0
Desarrollamos este programa de capacitación en estrategias Go To Market para la reactivación del turismo en tiempos post COVID-19
Ver video de MASTERCLASS en VIVO: https://www.youtube.com/watch?v=ncK80SH2iAw&t=3093s
Escucharlo en podcast: https://open.spotify.com/episode/7jhDBApW2OdgOWuAPnFr1c
Este documento presenta 13 tácticas de respuesta para negocios del sector turístico durante y después de la pandemia de COVID-19. Se discute el contexto económico actual y casos exitosos de empresas que se han adaptado a través de soluciones digitales como catas de vino en línea y recorridos virtuales. Finalmente, se enfatiza la importancia de monitorear el flujo de efectivo, ingresos y costos, y colaborar con aliados del sector para una recuperación regional gradual.
Datlas HackMTY - Choques y siniestros Agosto 2020Datlas
En esta presentación compartimos el contenido del workshop que facilitamos en el contexto del HACKMTY de Agosto 2020 donde fuimos patrocinadores y postuladores de un reto
Este documento presenta una introducción a los casos de uso de Big Data. Cubre temas como el lago de datos, el cambio en el paradigma analítico, las cinco categorías principales de casos de uso y ejemplos reales. También discute los desafíos de volumen, velocidad, variedad y veracidad de los datos en el contexto de Big Data.
Webinar Vault IT: Analítica avanzada y Machine Learning con virtualización de...Denodo
Este documento describe el uso de datos históricos para predecir el uso del servicio de alquiler de bicicletas Citi Bike en Nueva York. Se analizan factores como el clima y la estación del año que podrían afectar el uso. Se propone utilizar un modelo de aprendizaje automático como Random Forest entrenado con datos de 2017 para predecir el uso en 2018 y validar la precisión de la predicción. Finalmente, se discuten consideraciones sobre la preparación de los datos de entrada para el modelo, como la codificación de variables cíclic
Este documento presenta una introducción a las arquitecturas y herramientas de Big Data. Explica conceptos clave como volumen, velocidad y variedad de datos, y muestra casos de uso comunes como la administración pública y el transporte. Luego describe las arquitecturas de referencia de Hadoop, incluidos HDFS para almacenamiento y YARN para recursos, y herramientas como MapReduce, Spark y Sqoop para procesamiento por lotes e ingesta de datos.
Datlas - Workshop Coloquio Industria 4.0 UANLDatlas
Visita www.datlas.mx
Esta es la presentación de Datlas en el Workshop Coloquio de Industria 4.0 auspiciado por la Universidad Autónoma de Nuevo León UANL durante el 1 de noviembre de 2018. El evento se llevó a cabo en la Biblioteca Universitaria Raúl Rangel Frías
Información del Evento: http://eventos.uanl.mx/industria4.0
Desarrollamos este programa de capacitación en estrategias Go To Market para la reactivación del turismo en tiempos post COVID-19
Ver video de MASTERCLASS en VIVO: https://www.youtube.com/watch?v=ncK80SH2iAw&t=3093s
Escucharlo en podcast: https://open.spotify.com/episode/7jhDBApW2OdgOWuAPnFr1c
Este documento presenta 13 tácticas de respuesta para negocios del sector turístico durante y después de la pandemia de COVID-19. Se discute el contexto económico actual y casos exitosos de empresas que se han adaptado a través de soluciones digitales como catas de vino en línea y recorridos virtuales. Finalmente, se enfatiza la importancia de monitorear el flujo de efectivo, ingresos y costos, y colaborar con aliados del sector para una recuperación regional gradual.
Datlas HackMTY - Choques y siniestros Agosto 2020Datlas
En esta presentación compartimos el contenido del workshop que facilitamos en el contexto del HACKMTY de Agosto 2020 donde fuimos patrocinadores y postuladores de un reto
Este documento presenta una introducción a los casos de uso de Big Data. Cubre temas como el lago de datos, el cambio en el paradigma analítico, las cinco categorías principales de casos de uso y ejemplos reales. También discute los desafíos de volumen, velocidad, variedad y veracidad de los datos en el contexto de Big Data.
Webinar Vault IT: Analítica avanzada y Machine Learning con virtualización de...Denodo
Este documento describe el uso de datos históricos para predecir el uso del servicio de alquiler de bicicletas Citi Bike en Nueva York. Se analizan factores como el clima y la estación del año que podrían afectar el uso. Se propone utilizar un modelo de aprendizaje automático como Random Forest entrenado con datos de 2017 para predecir el uso en 2018 y validar la precisión de la predicción. Finalmente, se discuten consideraciones sobre la preparación de los datos de entrada para el modelo, como la codificación de variables cíclic
Este documento presenta una introducción a las arquitecturas y herramientas de Big Data. Explica conceptos clave como volumen, velocidad y variedad de datos, y muestra casos de uso comunes como la administración pública y el transporte. Luego describe las arquitecturas de referencia de Hadoop, incluidos HDFS para almacenamiento y YARN para recursos, y herramientas como MapReduce, Spark y Sqoop para procesamiento por lotes e ingesta de datos.
El documento describe el proceso de creación de un portal de datos abiertos en el Ayuntamiento de Lorca en España. Comenzaron reutilizando datos tras el verano de 2013 y crearon un software llamado SEPADA para extraer y publicar datos de manera automatizada desde diferentes bases de datos. Lanzaron su versión alpha de datos.lorca.es en octubre de 2013 con 21 conjuntos de datos.
El documento describe los conceptos fundamentales del Big Data. Explica que el Big Data se refiere a grandes volúmenes de datos de diversas fuentes que son difíciles de procesar con herramientas tradicionales. También describe las características del Big Data como el volumen, la velocidad, la variedad, la veracidad y el valor. Además, explica los componentes clave de la infraestructura del Big Data como la recolección, el almacenamiento y el procesamiento distribuido de datos a gran escala.
Anexo IV del Manual de Ordenaminto EcológicoCarlos Cáceres
Este documento define qué son los metadatos y explica que son datos que describen otros datos. Los metadatos proveen información sobre el contenido, calidad y otras características de los datos que describen para ayudar a los usuarios a encontrar y entender los datos. Los metadatos están estructurados usando elementos estandarizados como título, autor, fecha de creación. Incluyen información como la precisión de los datos, el sistema de coordenadas y formatos de distribución. El documento provee un ejemplo de metadatos para una imagen satelital de temperatura del mar
El documento trata sobre inteligencia de negocios y el proceso de KDD. Explica que la inteligencia de negocios involucra el análisis de datos de la empresa para extraer conocimiento e información útil para la toma de decisiones y ventaja competitiva. También describe los componentes clave de una solución de inteligencia de negocios como la multidimensionalidad, minería de datos, agentes y almacén de datos. Finalmente, resume las etapas del proceso KDD de descubrimiento de conocimiento en bases de datos.
Esta es una actualización de el proyecto de Big Data que ha llegado a un primer resultado, El mapa de emotividad basada en Twitter, por cada entidad de México. El siguiente paso será hacer esto en tiempo real.
Este documento presenta una estrategia para implementar un gobierno abierto mediante la apertura de datos públicos. Explica que es importante realizar una auditoría de datos para conocer la estructura y fuentes de datos de una organización. También cubre la clasificación y formato de publicación de datos, recomendando el uso de formatos no propietarios y estructurados como CSV. Además, introduce el software CKAN como una herramienta para crear un portal de datos y gestionar la publicación y descubrimiento de conjuntos de datos de forma centralizada.
Este documento define Inteligencia de Negocios (BI) y Big Data, y describe su historia, componentes y tendencias. Explica que BI es un marco conceptual para apoyar la toma de decisiones mediante el análisis de datos, mientras que Big Data se refiere a grandes volúmenes de datos de diversos tipos. También resume las principales técnicas de BI como data mining, gestión de datos y análisis predictivo, así como herramientas líderes como Tableau, Power BI y Hadoop para Big Data.
Esp #001-no son los documentos; son los datos-traducidoJ T "Tom" Johnson
Este documento presenta tres puntos importantes sobre los datos y el periodismo en la era digital:
1) Los documentos no son los datos, los datos son lo más valioso. 2) Sin análisis, los datos no cuentan una historia. 3) Todos los datos existen en la "datósfera", un entorno donde residen y son procesados por periodistas y otros. El documento enfatiza la importancia de recuperar datos en su forma original para su análisis y de usar herramientas de colaboración y almacenamiento en la nube.
Big Data para analizar las redes socialesDatKnoSys
El principal objetivo es mostrar el análisis de cantidades elevadas de información que nos proporcionan las redes sociales gracias a sistemas Big Data. Haciendo frente a la complejidad de la variedad de orígenes, el gran volumen de las mismas y la velocidad de procesamiento que se necesita.
Se incidirá principalmente en los siguientes puntos clave: la recogida de datos, su procesamiento (con ejemplo de text mining para conseguir descifrar el sentimiento) y en la visualización final.
¿Sabías que cada minuto se mandan 13 millones de mensajes se suben 48 horas de vídeo a YouTube y se crean 571 nuevas páginas web? Internet es un generador de grandes cantidades de información y este contenido lo generan los usuarios, nuestros clientes, por eso hay que saber adaptarse a este nuevo socio económico y aprovechar el valor de la información que nos ofrece. Es importante implantar sistemas de Big Data que nos ayuden a almacenar, buscar, compartir, analizar y visualizar estas grandes cantidades de datos y con ello conseguir valor. No hay que olvidar que tan importante como es instalar un sistema big data, es definirlo conforme a nuestras necesidades.
Plataformas Analíticas como Soporte en la Era del Big DataDMC Perú
Actualmente las organizaciones vienen manejado sus estrategias comerciales en base a la información depositada en sus bases de datos operacionales, sin embargo estos datos, por lo frío que son, no indican si estas interacciones con el cliente guarda un nivel de afinidad o de satisfacción, actualmente los clientes utilizan las redes sociales para transmitir este sentimiento al mundo, esta nueva fuente de información, sumadas a otras como audios, videos, e imágenes son los nuevos medios de expresión de los clientes y las organizaciones deberán tener la capacidad de almacenar, gestionar y analizar esta ingente cantidad de datos, de naturaleza muy diversa y que se transmite a grandes velocidades, en esto se fundamenta el Big Data Analytics.
Este documento trata sobre minería de datos. La minería de datos es el proceso de descubrir patrones en grandes volúmenes de datos. Utiliza métodos de inteligencia artificial, aprendizaje automático, estadística y sistemas de bases de datos. Algunas técnicas comunes de minería de datos son la clasificación, regresión, agrupamiento y reglas de asociación. La minería de datos se aplica en diversos campos como finanzas, mercadeo, salud y educación.
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine LearningDenodo
Watch full webinar here: https://bit.ly/3CIN2NT
Los proyectos de Big Data y Machine Learning en muchos casos no logran los beneficios esperados y los lagos de datos se convierten en nuevos silos de datos que aportan poco valor a negocio. Los principales desafíos que encuentran las empresas para un aprovechamiento de las iniciativas de Big Data y Machine Learning son los siguientes:
- Identificación de fuentes de datos relevantes para el análisis del caso de negocio
- Dificultad para la integración de las fuentes de datos, se invierte mucho tiempo en tareas rutinarias de limpieza y preparación
- Problemas de colaboración en el equipo de trabajo: falta de visibilidad de las transformaciones realizadas, dificultad para la compartición de conocimiento y código
- Dificultad para soportar distintos perfiles con niveles de conocimiento dispares (e.g. analistas de negocio vs científicos de datos)
- Compartir resultados con los usuarios de negocio, evitar un nuevo silo de datos en la organización
- Dificultad a la hora de operacionalizar los algoritmos, surtir de datos a los algoritmos para extraer la información
- Las arquitecturas de Data Fabric vienen a facilitar el ciclo de vida de las iniciativas de Big Data y Machine Learning:
- Exploración e identificación de datos relevantes para el análisis mediante el Catálogo de Datos
- Preparación de los datos para alimentar los algoritmos de ML (con total trazabilidad de las combinaciones y transformaciones realizadas)
- Parametrización del algoritmo, tuning y adiestramiento mediante data science notebooks conectados a la capa de virtualización
- Operacionalización del algoritmo como un servicio de datos para usuarios de negocio
- Ofrecen una capa de gobierno y seguridad sobre las fuentes de datos
Los ponentes debatirán las distintas alternativas y cómo las arquitecturas de Data Fabric se han convertido en piezas clave para soportar iniciativas de Big Data y Machine Learning.
Big Data, casos, tecnologias y aplicaciones realesStratebi
Este documento describe varias aplicaciones y casos de éxito de Big Data. Inicialmente presenta definiciones y conceptos clave de Big Data. Luego describe casos prácticos exitosos de empresas como Amazon, UPS, DHL y campañas políticas. También presenta casos implementados por StrateBI para empresas como Boeing, una empresa de retail y Telefónica Educación. Finalmente, discute aplicaciones comunes como Data Lakes, telemetría y análisis de logs.
Este documento describe los pilares necesarios para que una compañía sea data-driven. Explica que se requiere no solo nueva tecnología, sino también una cultura y organización centrada en los datos. Además, enfatiza que la calidad de los datos es fundamental, ya que del "garbage in, garbage out". Finalmente, señala que para tomar decisiones basadas en datos se debe eliminar la influencia de opiniones subjetivas y en su lugar utilizar el análisis de datos.
El documento contiene información sobre Big Data, incluyendo definiciones, herramientas como Hadoop y Spark, y ejemplos de análisis de datos masivos. Se discuten conceptos como MapReduce, procesamiento paralelo de datos, y el uso de tecnologías como Scala y R para extraer información de grandes volúmenes de datos.
Todos los caminos startuperos llevan a la innovación. Y esta semana pasada no fue la excepción ya que estuvimos en el TIS SEVILLA (Tourism Innovation Summit Sevilla. Liga: https://www.tisglobalsummit.com/) . En esta columna compartiremos de qué se trató este evento, dónde sucedió, qué conexiones de networking tuvimos y algunas ideas para prosperar el futuro de la #startup. En esta presentación expusimos sobre DASHA (https://dashamty.com/) , el visualizador de data turistica en colaboración con el "Clúster de Turismo de Monterrey"
El documento presenta información sobre datos de turismo e industria de reuniones en México. Se muestra que el PIB turístico nacional representó $1.30 billones en 2021, equivalente al 7.63% del PIB total. Durante la pandemia, el PIB turístico cayó 25.1% en 2020. También se compara la participación del PIB turístico entre estados en 2014 y 2022, variando desde 2.3% a 34.6%.
Más contenido relacionado
Similar a Datlas Dasha Tianguis Turistico 2021 Mérida, Yucatán, México
El documento describe el proceso de creación de un portal de datos abiertos en el Ayuntamiento de Lorca en España. Comenzaron reutilizando datos tras el verano de 2013 y crearon un software llamado SEPADA para extraer y publicar datos de manera automatizada desde diferentes bases de datos. Lanzaron su versión alpha de datos.lorca.es en octubre de 2013 con 21 conjuntos de datos.
El documento describe los conceptos fundamentales del Big Data. Explica que el Big Data se refiere a grandes volúmenes de datos de diversas fuentes que son difíciles de procesar con herramientas tradicionales. También describe las características del Big Data como el volumen, la velocidad, la variedad, la veracidad y el valor. Además, explica los componentes clave de la infraestructura del Big Data como la recolección, el almacenamiento y el procesamiento distribuido de datos a gran escala.
Anexo IV del Manual de Ordenaminto EcológicoCarlos Cáceres
Este documento define qué son los metadatos y explica que son datos que describen otros datos. Los metadatos proveen información sobre el contenido, calidad y otras características de los datos que describen para ayudar a los usuarios a encontrar y entender los datos. Los metadatos están estructurados usando elementos estandarizados como título, autor, fecha de creación. Incluyen información como la precisión de los datos, el sistema de coordenadas y formatos de distribución. El documento provee un ejemplo de metadatos para una imagen satelital de temperatura del mar
El documento trata sobre inteligencia de negocios y el proceso de KDD. Explica que la inteligencia de negocios involucra el análisis de datos de la empresa para extraer conocimiento e información útil para la toma de decisiones y ventaja competitiva. También describe los componentes clave de una solución de inteligencia de negocios como la multidimensionalidad, minería de datos, agentes y almacén de datos. Finalmente, resume las etapas del proceso KDD de descubrimiento de conocimiento en bases de datos.
Esta es una actualización de el proyecto de Big Data que ha llegado a un primer resultado, El mapa de emotividad basada en Twitter, por cada entidad de México. El siguiente paso será hacer esto en tiempo real.
Este documento presenta una estrategia para implementar un gobierno abierto mediante la apertura de datos públicos. Explica que es importante realizar una auditoría de datos para conocer la estructura y fuentes de datos de una organización. También cubre la clasificación y formato de publicación de datos, recomendando el uso de formatos no propietarios y estructurados como CSV. Además, introduce el software CKAN como una herramienta para crear un portal de datos y gestionar la publicación y descubrimiento de conjuntos de datos de forma centralizada.
Este documento define Inteligencia de Negocios (BI) y Big Data, y describe su historia, componentes y tendencias. Explica que BI es un marco conceptual para apoyar la toma de decisiones mediante el análisis de datos, mientras que Big Data se refiere a grandes volúmenes de datos de diversos tipos. También resume las principales técnicas de BI como data mining, gestión de datos y análisis predictivo, así como herramientas líderes como Tableau, Power BI y Hadoop para Big Data.
Esp #001-no son los documentos; son los datos-traducidoJ T "Tom" Johnson
Este documento presenta tres puntos importantes sobre los datos y el periodismo en la era digital:
1) Los documentos no son los datos, los datos son lo más valioso. 2) Sin análisis, los datos no cuentan una historia. 3) Todos los datos existen en la "datósfera", un entorno donde residen y son procesados por periodistas y otros. El documento enfatiza la importancia de recuperar datos en su forma original para su análisis y de usar herramientas de colaboración y almacenamiento en la nube.
Big Data para analizar las redes socialesDatKnoSys
El principal objetivo es mostrar el análisis de cantidades elevadas de información que nos proporcionan las redes sociales gracias a sistemas Big Data. Haciendo frente a la complejidad de la variedad de orígenes, el gran volumen de las mismas y la velocidad de procesamiento que se necesita.
Se incidirá principalmente en los siguientes puntos clave: la recogida de datos, su procesamiento (con ejemplo de text mining para conseguir descifrar el sentimiento) y en la visualización final.
¿Sabías que cada minuto se mandan 13 millones de mensajes se suben 48 horas de vídeo a YouTube y se crean 571 nuevas páginas web? Internet es un generador de grandes cantidades de información y este contenido lo generan los usuarios, nuestros clientes, por eso hay que saber adaptarse a este nuevo socio económico y aprovechar el valor de la información que nos ofrece. Es importante implantar sistemas de Big Data que nos ayuden a almacenar, buscar, compartir, analizar y visualizar estas grandes cantidades de datos y con ello conseguir valor. No hay que olvidar que tan importante como es instalar un sistema big data, es definirlo conforme a nuestras necesidades.
Plataformas Analíticas como Soporte en la Era del Big DataDMC Perú
Actualmente las organizaciones vienen manejado sus estrategias comerciales en base a la información depositada en sus bases de datos operacionales, sin embargo estos datos, por lo frío que son, no indican si estas interacciones con el cliente guarda un nivel de afinidad o de satisfacción, actualmente los clientes utilizan las redes sociales para transmitir este sentimiento al mundo, esta nueva fuente de información, sumadas a otras como audios, videos, e imágenes son los nuevos medios de expresión de los clientes y las organizaciones deberán tener la capacidad de almacenar, gestionar y analizar esta ingente cantidad de datos, de naturaleza muy diversa y que se transmite a grandes velocidades, en esto se fundamenta el Big Data Analytics.
Este documento trata sobre minería de datos. La minería de datos es el proceso de descubrir patrones en grandes volúmenes de datos. Utiliza métodos de inteligencia artificial, aprendizaje automático, estadística y sistemas de bases de datos. Algunas técnicas comunes de minería de datos son la clasificación, regresión, agrupamiento y reglas de asociación. La minería de datos se aplica en diversos campos como finanzas, mercadeo, salud y educación.
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine LearningDenodo
Watch full webinar here: https://bit.ly/3CIN2NT
Los proyectos de Big Data y Machine Learning en muchos casos no logran los beneficios esperados y los lagos de datos se convierten en nuevos silos de datos que aportan poco valor a negocio. Los principales desafíos que encuentran las empresas para un aprovechamiento de las iniciativas de Big Data y Machine Learning son los siguientes:
- Identificación de fuentes de datos relevantes para el análisis del caso de negocio
- Dificultad para la integración de las fuentes de datos, se invierte mucho tiempo en tareas rutinarias de limpieza y preparación
- Problemas de colaboración en el equipo de trabajo: falta de visibilidad de las transformaciones realizadas, dificultad para la compartición de conocimiento y código
- Dificultad para soportar distintos perfiles con niveles de conocimiento dispares (e.g. analistas de negocio vs científicos de datos)
- Compartir resultados con los usuarios de negocio, evitar un nuevo silo de datos en la organización
- Dificultad a la hora de operacionalizar los algoritmos, surtir de datos a los algoritmos para extraer la información
- Las arquitecturas de Data Fabric vienen a facilitar el ciclo de vida de las iniciativas de Big Data y Machine Learning:
- Exploración e identificación de datos relevantes para el análisis mediante el Catálogo de Datos
- Preparación de los datos para alimentar los algoritmos de ML (con total trazabilidad de las combinaciones y transformaciones realizadas)
- Parametrización del algoritmo, tuning y adiestramiento mediante data science notebooks conectados a la capa de virtualización
- Operacionalización del algoritmo como un servicio de datos para usuarios de negocio
- Ofrecen una capa de gobierno y seguridad sobre las fuentes de datos
Los ponentes debatirán las distintas alternativas y cómo las arquitecturas de Data Fabric se han convertido en piezas clave para soportar iniciativas de Big Data y Machine Learning.
Big Data, casos, tecnologias y aplicaciones realesStratebi
Este documento describe varias aplicaciones y casos de éxito de Big Data. Inicialmente presenta definiciones y conceptos clave de Big Data. Luego describe casos prácticos exitosos de empresas como Amazon, UPS, DHL y campañas políticas. También presenta casos implementados por StrateBI para empresas como Boeing, una empresa de retail y Telefónica Educación. Finalmente, discute aplicaciones comunes como Data Lakes, telemetría y análisis de logs.
Este documento describe los pilares necesarios para que una compañía sea data-driven. Explica que se requiere no solo nueva tecnología, sino también una cultura y organización centrada en los datos. Además, enfatiza que la calidad de los datos es fundamental, ya que del "garbage in, garbage out". Finalmente, señala que para tomar decisiones basadas en datos se debe eliminar la influencia de opiniones subjetivas y en su lugar utilizar el análisis de datos.
El documento contiene información sobre Big Data, incluyendo definiciones, herramientas como Hadoop y Spark, y ejemplos de análisis de datos masivos. Se discuten conceptos como MapReduce, procesamiento paralelo de datos, y el uso de tecnologías como Scala y R para extraer información de grandes volúmenes de datos.
Similar a Datlas Dasha Tianguis Turistico 2021 Mérida, Yucatán, México (20)
Todos los caminos startuperos llevan a la innovación. Y esta semana pasada no fue la excepción ya que estuvimos en el TIS SEVILLA (Tourism Innovation Summit Sevilla. Liga: https://www.tisglobalsummit.com/) . En esta columna compartiremos de qué se trató este evento, dónde sucedió, qué conexiones de networking tuvimos y algunas ideas para prosperar el futuro de la #startup. En esta presentación expusimos sobre DASHA (https://dashamty.com/) , el visualizador de data turistica en colaboración con el "Clúster de Turismo de Monterrey"
El documento presenta información sobre datos de turismo e industria de reuniones en México. Se muestra que el PIB turístico nacional representó $1.30 billones en 2021, equivalente al 7.63% del PIB total. Durante la pandemia, el PIB turístico cayó 25.1% en 2020. También se compara la participación del PIB turístico entre estados en 2014 y 2022, variando desde 2.3% a 34.6%.
Este documento presenta el podcast "Café de Datos" producido por la startup Datlas. El podcast tiene como objetivo difundir conocimientos sobre analítica de datos a través de charlas y entrevistas de aproximadamente 40 minutos con expertos en el tema. Actualmente el podcast tiene más de 28 mil escuchas en 15 plataformas diferentes. El documento también describe las características y modelos de promoción del podcast.
DATLAS desarrolla plataformas de inteligencia comercial que integran datos geoespaciales de múltiples fuentes como Waze, Twitter y Foursquare para ofrecer información de tráfico, segmentos y oportunidades de mercado a clientes. Su equipo fundador cuenta con experiencia en emprendimiento, economía, finanzas e inteligencia artificial. DATLAS ofrece recomendaciones sobre emprender enfocándose en la pasión, la seriedad y la navegación de la incertidumbre.
Este documento describe una estancia para jóvenes emprendedores mexicanos en Silicon Valley. Incluye información sobre qué es Silicon Valley, las conferencias y visitas realizadas por los participantes, quiénes participaron en el programa y cómo otros pueden aplicar para futuras estancias. El objetivo del programa era conectar a emprendedores mexicanos con empresas de tecnología líderes en Silicon Valley y exponerlos a las mejores prácticas de emprendimiento.
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdfMedTechBiz
Este libro ofrece una introducción completa y accesible a los campos de la minería de datos y la inteligencia artificial. Cubre todo, desde conceptos básicos hasta estudios de casos avanzados, con énfasis en la aplicación práctica utilizando herramientas como Python y R.
También aborda cuestiones críticas de ética y responsabilidad en el uso de estas tecnologías, discutiendo temas como la privacidad, el sesgo algorítmico y transparencia.
El objetivo es permitir al lector aplicar técnicas de minería de datos e inteligencia artificial a problemas reales, contribuyendo a la innovación y el progreso en su área de especialización.
Este documento ha sido elaborado por el Observatorio Ciudadano de Seguridad Justicia y Legalidad de Irapuato siendo nuestro propósito conocer datos sociodemográficos en conjunto con información de incidencia delictiva de las 10 colonias y/o comunidades que del año 2020 a la fecha han tenido mayor incidencia.
Existen muchas más colonias que presentan cifras y datos en materia de seguridad, sin embargo, en este primer acercamiento lo que se prevées darle al lector una idea de como se encuentran las colonias analizadas, tomando como referencia los datos del INEGI 2020, datos del Secretariado Ejecutivo del Sistema Nacional de Seguridad Pública del 2020 al 2023 y las bases de datos propias que desde el 2017 el Observatorio Ciudadano ha recopilado de manera puntual con datos de las vıć timas de homicidio doloso, accidentes de tránsito, personas lesionadas por arma de fuego, entre otros indicadores.
Reporte homicidio doloso descripción
Reporte que contiene información de las víctimas de homicidio doloso registradas en el municipio de Irapuato Guanajuato durante el periodo señalado, comprende información cualitativa y cuantitativa que hace referencia a las características principales de cada uno de los homicidios.
La información proviene tanto de medios de comunicación digitales e impresos como de los boletines que la propia Fiscalía del Estado de Guanajuato emite de manera diaria a los medios de comunicación quienes publican estas incidencias en sus distintos canales.
Podemos observar cantidad de personas fallecidas, lugar donde se registraron los eventos, colonia y calle así como un comparativo con el mismo periodo pero del año anterior.
Edades y género de las víctimas es parte de la información que incluye el reporte.
61. Información confidencial propiedad de Datlas®
Analista de
negocio –
Business
Analyst
Científico de
datos – Data
Scientist
Analista de
datos – Data
Analyst
Administrador
base de datos
– Database
Administrator
Arquitecto
de datos –
Data
Architect
Estadístico
– Statistian
Ingeniero de
datos – Data
Engineer
62. Información confidencial propiedad de Datlas®
Extraer
Integrar
Clasificar
Entrenar IA
Reportar
Visualizar
Evaluar e iterar
Experimentar y ajustar
Entender el problema
67. • Existe una oportunidad en TURISMO de capitalizar de mejor manera y, en
apoyo a la toma de decisiones, las grandes cantidades de datos
• Los dashboards son plataformas que frente al usuario integran tableros,
filtros, gráficos, imágenes, indicadores y KPIs
• Algunos pasos que nos pueden apoyar a desarrollar un dashboard son la
ideación, el mapeo de variables, desarrollar un equipo, seleccionar
herramientas adecuadas y contar con una metodología
Información confidencial propiedad de Datlas®
85. Información confidencial propiedad de Datlas®
7.6 Bn
Habitantes
Fuente: Rapid Ops
Datos
Crudos
Analítica Valor
generado
“Esto va a salir en una
semana”
86. Información confidencial propiedad de Datlas®
Fuente: Rapid Ops
Datos
Crudos
Valores
duplicados
Malos
formatos Sin glosario
de datos
Valores
equivocados
Analítica
Realmente
un valor
agregado
Y ¿Esto era lo que
realmente queríamos?
Después de 3 meses
87. Información confidencial propiedad de Datlas®
Copia ETL Agregación Consumo
Consumo
Consumo
Datos de negocios
distintas fuentes
Data Lake
o Lago de datos
(Extract – Transform – Load
Extraer – Transformar – Cargar)
Data Warehouse Data Marts Casos de uso
En Dashboard
100. • La colaboración y voluntad de diferentes entidades de Turismo en Nuevo
León han sido habilitadores de DASHA: Dashboard de Inteligencia
• Los proyectos de analítica son complejos y hay que sensibilizar a todas las
piezas de la iniciativa en el valor clave que le están agregando al sistema
• Las claves del caso de éxito de colaboración en iniciativas como DASHA
fueron comunicación, trabajo y el conocimiento técnico
Información confidencial propiedad de Datlas®
106. Te recomendamos seguirnos y/o escribirnos
(Más información pedro@datlas.mx)
Información confidencial propiedad de Datlas®
Contenido gratuito de analítica en
linktr.ee/datlas
Descarga nuestro DATA PLAYBOOK
bit.do/DATAPLAYBOOK_TIANGUIS