Este documento describe las evoluciones en las plataformas de datos modernas desde el edge al cloud. Explica los desafíos de gestionar la calidad de los datos, realizar análisis en tiempo real y mejorar la capacidad y computo. También cubre el uso de la inteligencia artificial en la nube y cómo aplicarla al mundo industrial, considerando problemas como la latencia y la energía.
Observabilidad Global en Entel Perú con ElasticElasticsearch
Al transformar las operaciones de TI impulsadas por Elastic Stack, Entel tiene ahora la capacidad de aumentar su ingesta de datos y proporcionar una visibilidad 24/7 de los servicios críticos para los equipos de tecnología y de negocio en Chile y Perú. Conoce cómo Entel construyó un sistema de clase mundial para fomentar la transformación digital y cómo viene trasladando toda su infraestructura a Elastic Cloud.
Con BI + Sharepoint todos los usuarios obtienen los datos y la información que necesitan con la máxima flexibilidad y autonomía. PowerPivot, Gráficos dinámicos, Indicadores, cuadros de mando, … todo integrado y fácil de usar.
BIG DATA en CLOUD PaaS para Internet de las Cosas (IoT)pmluque
Proyecto fin de carrera que nos introduce en el paradigma de Big Data y de las tecnologías que como Hadoop y sus ecosistema permiten la recolección y procesamiento masivo de datos. Incluye un caso práctico de movimiento, transformación y presentación de métricas e indicadores aplicado al sector de las máquinas expendedoras (vendings).
24 HOP edición Español - Machine learning - Cesar OviedoSpanishPASSVC
Microsoft ha lanzado una de las herramientas que tendrán más imparto para el Business Analytics y/o Data Mining. De momento ha pasado desapercibida por muchos a pesar de su gran potencial. En esta charla veremos que es Machine Learning y sus usos.
Observabilidad Global en Entel Perú con ElasticElasticsearch
Al transformar las operaciones de TI impulsadas por Elastic Stack, Entel tiene ahora la capacidad de aumentar su ingesta de datos y proporcionar una visibilidad 24/7 de los servicios críticos para los equipos de tecnología y de negocio en Chile y Perú. Conoce cómo Entel construyó un sistema de clase mundial para fomentar la transformación digital y cómo viene trasladando toda su infraestructura a Elastic Cloud.
Con BI + Sharepoint todos los usuarios obtienen los datos y la información que necesitan con la máxima flexibilidad y autonomía. PowerPivot, Gráficos dinámicos, Indicadores, cuadros de mando, … todo integrado y fácil de usar.
BIG DATA en CLOUD PaaS para Internet de las Cosas (IoT)pmluque
Proyecto fin de carrera que nos introduce en el paradigma de Big Data y de las tecnologías que como Hadoop y sus ecosistema permiten la recolección y procesamiento masivo de datos. Incluye un caso práctico de movimiento, transformación y presentación de métricas e indicadores aplicado al sector de las máquinas expendedoras (vendings).
24 HOP edición Español - Machine learning - Cesar OviedoSpanishPASSVC
Microsoft ha lanzado una de las herramientas que tendrán más imparto para el Business Analytics y/o Data Mining. De momento ha pasado desapercibida por muchos a pesar de su gran potencial. En esta charla veremos que es Machine Learning y sus usos.
Azure4Research - Big Data Analytics con Hadoop, Spark y Power BIAlberto Diaz Martin
n esta sesión, veremos el desarrollo de un proceso de AI con Azure Databricks que nos ayudará a trabajar con datos estructurados y no estructurados, a obtener una visión profunda del algoritmo a implementar e incluso crear un ciclo aprendizaje en tiempo real. El objetivo será adentrarnos en un proyecto de AI para preparar los datos, realizar el análisis que nos permita elegir un algoritmo, entrenar un modelo y ejecutar una predicción de dicho modelo. Todo esto con mucho Big Data y Power BI como herramienta de Reporting.
El rápido incremento de Internet de las Cosas en las organizaciones genera grandes volúmenes de datos, los cuales nos pueden brindar información valiosa para innovar, optimizar, mejorar los procesos y obtener respuestas a preguntas de negocio.
En este webinario veremos cómo sacar provecho a los datos generados por los dispositivos inteligentes para:
• Innovar y mejorar los procesos mediante el uso de los datos generador por sensores y máquinas, productos, cadenas de suministro y consumidores.
• Convierta los datos de sensores en información estratégica en tiempo real.
• Analice flujos de datos de IoT para reconocer patrones y automatizar eventos.
• Implemente, ejecute y actualice modelos analíticos para prever y prevenir incidentes en tiempo real y encontrar anomalías no detectadas.
All the content of this website is informative and non-commercial, does not imply a commitment to develop, launch or schedule delivery of any feature or functionality, should not rely on it in making decisions, incorporate or take it as a reference in a contract or academic matters. Likewise, the use, distribution and reproduction by any means, in whole or in part, without the authorization of the author and / or third-party copyright holders, as applicable, is prohibited.
Tercera Jornada de BI y analítica aplicada a tu negocio.pptxIT-NOVA
La entrega, visualización y gestión de datos para la toma de decisiones, sigue siendo una de las prioridades y tendencias de los CIO para el 2023.
Por esto, queremos que conozcas y logres comparar algunas de las plataformas de #bi y #analítica mejor valoradas en el cuadrante de Gartner: entre las cuales se encuentran #Jaspersoft, #Spotfire, #DOMO #Powerbi #sapanalyticscloud. Que te pueden ayudar a resolver tus retos de negocio.
Visita nuestra página it-nova.co y conoce más al respecto.
Palabras clave: analitica, analytics, business intelligence, data, domo, jaspersoft, microsoft, powerbi, sap, spotfire software, tibco jaspersfot, tibco spotfire.
Cómo construir tu propia data platform. From zero to hero. GustavoMartin46
Esta presentación es el resultado de la ponencia presentada el día 28 de abril de 2023 en la Salmorejo Tech https://salmorejo.tech/2023/.
Con esta ponencia se buscaba explicar a una audiencia con conocimientos básicos de tecnología, las distintas herramientas que se pueden emplear para construir una plataforma de datos.
La ponencia comienza con una configuración sencilla, que prácticamente cualquier persona del mundo de la informática puede entender. Termina con una configuración compleja, donde sin entrar en muchos detalles, sí permite a la audiencia hacerse una idea de qué herramientas se requieren para implementar la solución.
Azure4Research - Big Data Analytics con Hadoop, Spark y Power BIAlberto Diaz Martin
n esta sesión, veremos el desarrollo de un proceso de AI con Azure Databricks que nos ayudará a trabajar con datos estructurados y no estructurados, a obtener una visión profunda del algoritmo a implementar e incluso crear un ciclo aprendizaje en tiempo real. El objetivo será adentrarnos en un proyecto de AI para preparar los datos, realizar el análisis que nos permita elegir un algoritmo, entrenar un modelo y ejecutar una predicción de dicho modelo. Todo esto con mucho Big Data y Power BI como herramienta de Reporting.
El rápido incremento de Internet de las Cosas en las organizaciones genera grandes volúmenes de datos, los cuales nos pueden brindar información valiosa para innovar, optimizar, mejorar los procesos y obtener respuestas a preguntas de negocio.
En este webinario veremos cómo sacar provecho a los datos generados por los dispositivos inteligentes para:
• Innovar y mejorar los procesos mediante el uso de los datos generador por sensores y máquinas, productos, cadenas de suministro y consumidores.
• Convierta los datos de sensores en información estratégica en tiempo real.
• Analice flujos de datos de IoT para reconocer patrones y automatizar eventos.
• Implemente, ejecute y actualice modelos analíticos para prever y prevenir incidentes en tiempo real y encontrar anomalías no detectadas.
All the content of this website is informative and non-commercial, does not imply a commitment to develop, launch or schedule delivery of any feature or functionality, should not rely on it in making decisions, incorporate or take it as a reference in a contract or academic matters. Likewise, the use, distribution and reproduction by any means, in whole or in part, without the authorization of the author and / or third-party copyright holders, as applicable, is prohibited.
Tercera Jornada de BI y analítica aplicada a tu negocio.pptxIT-NOVA
La entrega, visualización y gestión de datos para la toma de decisiones, sigue siendo una de las prioridades y tendencias de los CIO para el 2023.
Por esto, queremos que conozcas y logres comparar algunas de las plataformas de #bi y #analítica mejor valoradas en el cuadrante de Gartner: entre las cuales se encuentran #Jaspersoft, #Spotfire, #DOMO #Powerbi #sapanalyticscloud. Que te pueden ayudar a resolver tus retos de negocio.
Visita nuestra página it-nova.co y conoce más al respecto.
Palabras clave: analitica, analytics, business intelligence, data, domo, jaspersoft, microsoft, powerbi, sap, spotfire software, tibco jaspersfot, tibco spotfire.
Cómo construir tu propia data platform. From zero to hero. GustavoMartin46
Esta presentación es el resultado de la ponencia presentada el día 28 de abril de 2023 en la Salmorejo Tech https://salmorejo.tech/2023/.
Con esta ponencia se buscaba explicar a una audiencia con conocimientos básicos de tecnología, las distintas herramientas que se pueden emplear para construir una plataforma de datos.
La ponencia comienza con una configuración sencilla, que prácticamente cualquier persona del mundo de la informática puede entender. Termina con una configuración compleja, donde sin entrar en muchos detalles, sí permite a la audiencia hacerse una idea de qué herramientas se requieren para implementar la solución.
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informáticavazquezgarciajesusma
En este proyecto de investigación nos adentraremos en el fascinante mundo de la intersección entre el arte y los medios de comunicación en el campo de la informática.
La rápida evolución de la tecnología ha llevado a una fusión cada vez más estrecha entre el arte y los medios digitales, generando nuevas formas de expresión y comunicación.
Continuando con el desarrollo de nuestro proyecto haremos uso del método inductivo porque organizamos nuestra investigación a la particular a lo general. El diseño metodológico del trabajo es no experimental y transversal ya que no existe manipulación deliberada de las variables ni de la situación, si no que se observa los fundamental y como se dan en su contestó natural para después analizarlos.
El diseño es transversal porque los datos se recolectan en un solo momento y su propósito es describir variables y analizar su interrelación, solo se desea saber la incidencia y el valor de uno o más variables, el diseño será descriptivo porque se requiere establecer relación entre dos o más de estás.
Mediante una encuesta recopilamos la información de este proyecto los alumnos tengan conocimiento de la evolución del arte y los medios de comunicación en la información y su importancia para la institución.
Actualmente, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital, siendo este un componente electrónico, por tanto se ha desarrollado y se ofrece un amplio rango de soluciones al problema del almacenamiento de datos.
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informáticavazquezgarciajesusma
En este proyecto de investigación nos adentraremos en el fascinante mundo de la intersección entre el arte y los medios de comunicación en el campo de la informática.
La rápida evolución de la tecnología ha llevado a una fusión cada vez más estrecha entre el arte y los medios digitales, generando nuevas formas de expresión y comunicación.
Continuando con el desarrollo de nuestro proyecto haremos uso del método inductivo porque organizamos nuestra investigación a la particular a lo general. El diseño metodológico del trabajo es no experimental y transversal ya que no existe manipulación deliberada de las variables ni de la situación, si no que se observa los fundamental y como se dan en su contestó natural para después analizarlos.
El diseño es transversal porque los datos se recolectan en un solo momento y su propósito es describir variables y analizar su interrelación, solo se desea saber la incidencia y el valor de uno o más variables, el diseño será descriptivo porque se requiere establecer relación entre dos o más de estás.
Mediante una encuesta recopilamos la información de este proyecto los alumnos tengan conocimiento de la evolución del arte y los medios de comunicación en la información y su importancia para la institución.
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta in...espinozaernesto427
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta intensidad son un tipo de lámpara eléctrica de descarga de gas que produce luz por medio de un arco eléctrico entre electrodos de tungsteno alojados dentro de un tubo de alúmina o cuarzo moldeado translúcido o transparente.
lámparas más eficientes del mercado, debido a su menor consumo y por la cantidad de luz que emiten. Adquieren una vida útil de hasta 50.000 horas y no generan calor alguna. Si quieres cambiar la iluminación de tu hogar para hacerla mucho más eficiente, ¡esta es tu mejor opción!
Las nuevas lámparas de descarga de alta intensidad producen más luz visible por unidad de energía eléctrica consumida que las lámparas fluorescentes e incandescentes, ya que una mayor proporción de su radiación es luz visible, en contraste con la infrarroja. Sin embargo, la salida de lúmenes de la iluminación HID puede deteriorarse hasta en un 70% durante 10,000 horas de funcionamiento.
Muchos vehículos modernos usan bombillas HID para los principales sistemas de iluminación, aunque algunas aplicaciones ahora están pasando de bombillas HID a tecnología LED y láser.1 Modelos de lámparas van desde las típicas lámparas de 35 a 100 W de los autos, a las de más de 15 kW que se utilizan en los proyectores de cines IMAX.
Esta tecnología HID no es nueva y fue demostrada por primera vez por Francis Hauksbee en 1705. Lámpara de Nernst.
Lámpara incandescente.
Lámpara de descarga. Lámpara fluorescente. Lámpara fluorescente compacta. Lámpara de haluro metálico. Lámpara de vapor de sodio. Lámpara de vapor de mercurio. Lámpara de neón. Lámpara de deuterio. Lámpara xenón.
Lámpara LED.
Lámpara de plasma.
Flash (fotografía) Las lámparas de descarga de alta intensidad (HID) son un tipo de lámparas de descarga de gas muy utilizadas en la industria de la iluminación. Estas lámparas producen luz creando un arco eléctrico entre dos electrodos a través de un gas ionizado. Las lámparas HID son conocidas por su gran eficacia a la hora de convertir la electricidad en luz y por su larga vida útil.
A diferencia de las luces fluorescentes, que necesitan un recubrimiento de fósforo para emitir luz visible, las lámparas HID no necesitan ningún recubrimiento en el interior de sus tubos. El propio arco eléctrico emite luz visible. Sin embargo, algunas lámparas de halogenuros metálicos y muchas lámparas de vapor de mercurio tienen un recubrimiento de fósforo en el interior de la bombilla para mejorar el espectro luminoso y reproducción cromática. Las lámparas HID están disponibles en varias potencias, que van desde los 25 vatios de las lámparas de halogenuros metálicos autobalastradas y los 35 vatios de las lámparas de vapor de sodio de alta intensidad hasta los 1.000 vatios de las lámparas de vapor de mercurio y vapor de sodio de alta intensidad, e incluso hasta los 1.500 vatios de las lámparas de halogenuros metálicos.
Las lámparas HID requieren un equipo de control especial llamado balasto para funcionar
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0...Telefónica
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0xWord escrito por Ibón Reinoso ( https://mypublicinbox.com/IBhone ) con Prólogo de Chema Alonso ( https://mypublicinbox.com/ChemaAlonso ). Puedes comprarlo aquí: https://0xword.com/es/libros/233-big-data-tecnologias-para-arquitecturas-data-centric.html
Evolución hacia las plataformas de datos modernas, el Edge-to-cloud continuum
1. GELA TEKNOLOGIKOAK
BIG DATA & IOT
AULAS TECNOLÓGICAS
BIG DATA & IOT
Evolución hacia las Plataformas de datos modernas, el Edge-to-cloud continuum
Ponente: Ángel Conde Manjón
2. 1
IKERLANofficial
Líder del equipo de Data Analytics e Inteligencia Artificial en
Monitorización
en Tiempo Real
Analítica
Avanzada
Mantenimiento
Predictivo
Plataformas Digitales
Sobre mí
11. La realidad….
• ¿Cómo gestiono la calidad de los datos?
• ¿Cómo hago para no tener que recalcular (arquitectura λ)?
5
12. La realidad….
• ¿Cómo gestiono la calidad de los datos?
• ¿Cómo hago para no tener que recalcular (arquitectura λ)?
• Si necesito transacciones…. ¿Data Warehouse comercial?
5
13. La realidad….
• ¿Cómo gestiono la calidad de los datos?
• ¿Cómo hago para no tener que recalcular (arquitectura λ)?
• Si necesito transacciones…. ¿Data Warehouse comercial?
• ¿Cuantas herramientas necesito, qué capacidad?
5
15. La solución
6
Data Lake existente
Eventos RT
Eventos Batch
Tablas de
Ingesta
Tablas refinadas Tablas de
reporting
16. La solución
6
Data Lake existente
Eventos RT
Eventos Batch
Tablas de
Ingesta
Tablas refinadas Tablas de
reporting
Analítica y
Machine
Learning
Resultados
17. La solución
6
Data Lake existente
Eventos RT
Eventos Batch
Tablas de
Ingesta
Tablas refinadas Tablas de
reporting
Analítica y
Machine
Learning
Resultados
18. Ventajas
7
• Forzar checkeos de calidad de los datos.
• Consistencia, mezclar bath y streaming.
• Atomicidad, un trabajo acaba o no.
• Open Source.
19. ¿Aún así podemos mejorar?
Sin embargo…
¿Cómo gestiono capacidad y computo?
8
21. Ventajas…?
10
• Puedo consultar mis datos por SQL.
• No me preocupo ni del almacenamiento ni del computo.
Pero….
• La dependencia con el proveedor aumenta.
• Cálculo de costes complejo…
22. Añadamos: la IA
Datos Entrenamiento
Preparación de
los datos
Despliegue
11
Escalabilidad
Tuneo
Escalabilidad
Gobernanza
Escalabilidad
Tuneo
Escala
Latencia
Despliegue
23. La IA en producción
¿Cómo llevar a producción todo esto?
• ¿Cómo puedo registrar un histórico de modelos, configuraciones y pruebas?
• ¿Cómo pongo en producción los modelos?
Microsoft Machine Learning for Apache
Spark
12
24. Inteligencia Artificial en la nube…
• Gran capacidad de computo disponible….
• Algoritmos inteligentes de búsquedas de parámetros.
• Perdida de importancia del “feature engineering”.
12
AUTOMATED Machine Learning
25. ¿Aún así podemos mejorar?
¿Cómo lo aplico al mundo industrial?
14
26. 15
Más problemas del mundo industrial…
• Latencia… puede la nube hacer que ejecute algoritmos de control?
• Energía, según la energía disponible me puede interesar balancear.
• Que paradigma uso… Entrenar en nube Despliego en Fog/Edge?
1) Leave it up to your data scientists. They should be comfortable working in the silver and gold regions, some more advanced data scientists will want to go back to raw data and parse out additional information that may not have been included in the silver/gold tables.
2) Bronze = raw data in native format/delta lake format. Silver = sanitized and cleaned data in delta lake. Gold = data that is accessed via the delta lake or pushed to a data warehouse, depending on business requirements.
3) Delta architecture is an easy version of lambda architecture. Delta architecture is a commercial term at this point, we'll see if that changes in the future.
4) Delta Lake + Spark is the most scalable data storage mechanism with a reasonable price. You're welcome to test the performance based on your business requirements. Delta lake will be far cheaper than any data warehouse for storage. Your requirements around data access and latency will be the larger question.
1) Leave it up to your data scientists. They should be comfortable working in the silver and gold regions, some more advanced data scientists will want to go back to raw data and parse out additional information that may not have been included in the silver/gold tables.
2) Bronze = raw data in native format/delta lake format. Silver = sanitized and cleaned data in delta lake. Gold = data that is accessed via the delta lake or pushed to a data warehouse, depending on business requirements.
3) Delta architecture is an easy version of lambda architecture. Delta architecture is a commercial term at this point, we'll see if that changes in the future.
4) Delta Lake + Spark is the most scalable data storage mechanism with a reasonable price. You're welcome to test the performance based on your business requirements. Delta lake will be far cheaper than any data warehouse for storage. Your requirements around data access and latency will be the larger question.
In the cloud
-------------
Remote monitoring and control
Mergin remote data from across multiple IoT devices
Near infinite compute and storage to train machine learning and other advanced AI tools
IoT on the Edge
--------------
Low latency tight control loops require near real time response
Public internet inherently unpredictable
Privacy of data and protection of IP.