SlideShare una empresa de Scribd logo
1 de 21
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
APLICACIÓN AL ESTUDIO DE
LA PESQUERÍA DEL FLETÁN
DELARTÍCULO
“THE PARABLE OF GOOGLE FLU: TRAPS IN BIG
DATA ANALISYS”
Autores: Victor Sanz y Alberto Corral
ALUMNO : Víctor. Sanz. Fernández
TITULACIÓN: CIENCIAS DEL MAR
Facultad de Ciencias del Mar y Ambientales (UCA)
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
AUTORES
ALUMNO : Alberto Corral Rojas
TITULACIÓN: CIENCIAS MATEMÁTICAS E INGENIERÍA MATEMÁTICA
Facultad de Ciencias matemáticas (UCM)
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
APLICACIÓN A LA PESQUERÍA DEL FLETÁN
DEL PACÍFICO.
Víctor. Sanz. Fernández
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
Hippoglossus stenolepis
(Schmidt, 1904)
Familia Pleuronectinidae
Subfamilia Pleuronectinae
Orden Pleuronectiformes
Clase Actinopterigios
Talla máxima: 258 cm TL (macho); 267 cm TL
(hembra); peso máximo publicado; 363 kg; edad
máxima comunicada: 42 años.
Medioambiente: demersal; oceanódromo; marino;
rango de profundidad 0 – 1200 m.
Clima: templado; 65ºN – 31ºN.
Pesquerías:
FAO (Food and Agriculture Organization of the United Nations): la captura
total (1999) = 43.557 tm.
Los países con mayores capturas fueron Estados Unidos y Canadá.
Palangre de fondo.
Lances efectivos estandarizados: líneas madre de 45,72 metros (1800
pulgadas) con anzuelos de 16/0 cada 45 cm en brazolas de 60 a 100 cm de
largo.
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
Selección de los datos facilitados por la International Pacific Halibut Commission (IPHC).
Capturas de 14 años, en capturas diarias durante los meses de temporada de pesca que comienzan el
30 de mayo y termina el 28 de agosto.
Se agrupan los datos de cada ciclo en grupos 13 de 7 días reales.
Captura por unidad de esfuerzo
(CPUE) = kilogramos/lances efectivos.
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
Negro: serie temporal con ruido.
Rojo: Tendencia.
Azul: Tendencia + estacionaria (sin
ruido).
Comportamiento estacional.
¿Tendencia?.
¿Varianza constante?.
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
Serie estacionaria: la media y la varianza, no
varían a lo largo del tiempo. Objetivo
cumplido podemos empezar a realizar nuestros
modelos ARIMA.
Descomposición de la serie temporal.
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
CUADRO DE ELABORACIÓN DE UN MODELO ARIMA.
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
ARTÍCULO
Cada semana, millones de usuarios de todo el mundo buscan información sanitaria online. Como es de esperar, se realizan
más búsquedas relacionadas con la gripe durante la temporada de gripe, más búsquedas sobre alergias durante la
temporada de alergias y más búsquedas sobre las quemaduras solares durante el verano, ¿pueden proporcionar las
tendencias de las consultas la base de un modelo preciso y fiable sobre los fenómenos del mundo real?
Han descubierto que existe una estrecha relación entre el número de personas que realizan búsquedas relacionadas con la
gripe y las personas que realmente sufren síntomas gripales. Obviamente, no todas las personas que buscan "gripe" están
enfermas, pero cuando se suman todas las búsquedas relacionadas con esta enfermedad surge un patrón. Mediante el
recuento de la frecuencia de estas consultas, podemos estimar en qué medida circula la gripe por diferentes países y
regiones de todo el mundo.
Han descubierto que ciertos términos
de búsqueda son buenos indicadores
de la actividad de la gripe. El proyecto y
la serie temporal “Evolución de la gripe”
en Google utiliza los datos globales de
las búsquedas en Google para realizar,
casi en tiempo real, cálculos
aproximados de la actividad actual de la
gripe en todo el mundo.
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
GRÁFICOS 4-D
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
ACCESO A BIG DATA
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
APLICACIÓN A ESPAÑA
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
OTROS ARTÍCULOS
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
DISPONIBILIDAD DE NUEVAS FUENTES
DE BIG DATA
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
AWS FORUM
GLOSARIO DE TÉRMINOS:
Autenticación multifactor
EBS.
ESSS
Virtual prívate cloud VPC
Amazon elastic map reduce AEMR
PROGRAMA FINAL
Primero hablan de las aplicaciones de gestión de DNS, para la
integración de sistemas y módulos de enroutamiento.
Posteriormente incorporan la herramienta de gestión de Load
Balance, para balancear entre ips o bien entre entradas de https y
así ganar en elasticidad de manejo de las cargas.
En el caso de tratar con pega bytes de información asociada a
base de datos columnar y escalar data warehouse usaríamos
Redshift Amazon
El último módulo, el 5, trata de deployment y management.
Principalmente vuelve sobre la aplicación, e introduce la Elastic
Beanstalk
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
AWS FORUM
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
AWS RECOMENDACIONES DE FORMACIÓN
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
AWS RECOMENDACIONES DE FORMACIÓN
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
NOTICIAS DE ACTUALIDAD
BIG & OPEN DATAANÁLISIS Y
PROGRAMACIÓN CON R
SI SE CREE Y SE TRABAJA. SE PUEDE (DIEGO PABLO SIMEONE).
¡ MUCHAS GRACIAS POR VUESTRAATENCIÓN!.

Más contenido relacionado

Similar a Curso Big Data. Caso de Estudio Pesca Fletan con R by Víctor Sanz y Alberto Corral

01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
Monica Camargo
 
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
Monica Camargo
 
Curso_taller_usfq
Curso_taller_usfqCurso_taller_usfq
Curso_taller_usfq
REDU2013
 
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
Monica Camargo
 

Similar a Curso Big Data. Caso de Estudio Pesca Fletan con R by Víctor Sanz y Alberto Corral (20)

Big data
Big dataBig data
Big data
 
Big Data: Desde el ABC hasta lo que (casi) nadie suele decir en las conferenc...
Big Data: Desde el ABC hasta lo que (casi) nadie suele decir en las conferenc...Big Data: Desde el ABC hasta lo que (casi) nadie suele decir en las conferenc...
Big Data: Desde el ABC hasta lo que (casi) nadie suele decir en las conferenc...
 
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
 
Presentación univalle
Presentación univallePresentación univalle
Presentación univalle
 
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
 
Articulo sig
Articulo sigArticulo sig
Articulo sig
 
Proyecto_MASTER(resumen_presentacion).pptx
Proyecto_MASTER(resumen_presentacion).pptxProyecto_MASTER(resumen_presentacion).pptx
Proyecto_MASTER(resumen_presentacion).pptx
 
Trabajo final curso big data
Trabajo final   curso big dataTrabajo final   curso big data
Trabajo final curso big data
 
Tableau Public: Herramienta para la visualización de datos 1
Tableau Public: Herramienta para la visualización de datos 1Tableau Public: Herramienta para la visualización de datos 1
Tableau Public: Herramienta para la visualización de datos 1
 
Presentacion AppsCiencia Daniel Torres
Presentacion AppsCiencia Daniel TorresPresentacion AppsCiencia Daniel Torres
Presentacion AppsCiencia Daniel Torres
 
10 mejores apps para científicos #investigacionmovil
10 mejores apps para científicos #investigacionmovil10 mejores apps para científicos #investigacionmovil
10 mejores apps para científicos #investigacionmovil
 
10 mejores apps para científicos #investigacionmovil
10 mejores apps para científicos #investigacionmovil 10 mejores apps para científicos #investigacionmovil
10 mejores apps para científicos #investigacionmovil
 
Anteproyecto
AnteproyectoAnteproyecto
Anteproyecto
 
CLASE_1a.pptx
CLASE_1a.pptxCLASE_1a.pptx
CLASE_1a.pptx
 
Curso_taller_usfq
Curso_taller_usfqCurso_taller_usfq
Curso_taller_usfq
 
Método estadístico
Método estadísticoMétodo estadístico
Método estadístico
 
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
01 primera clase presentacion_e_introduccion_definicion_conceptos_basicos_tec...
 
Estudio sobre la asimétrica distribución de casos de COVID-19 y su relación c...
Estudio sobre la asimétrica distribución de casos de COVID-19 y su relación c...Estudio sobre la asimétrica distribución de casos de COVID-19 y su relación c...
Estudio sobre la asimétrica distribución de casos de COVID-19 y su relación c...
 
Arimony para linkedin
Arimony para linkedinArimony para linkedin
Arimony para linkedin
 
Presentación de la app Airmony
Presentación de la app AirmonyPresentación de la app Airmony
Presentación de la app Airmony
 

Más de Victoria López

Más de Victoria López (20)

Alan turing uva-presentationdec-2019
Alan turing uva-presentationdec-2019Alan turing uva-presentationdec-2019
Alan turing uva-presentationdec-2019
 
Seminar UvA 2018- socialbigdata
Seminar UvA  2018- socialbigdataSeminar UvA  2018- socialbigdata
Seminar UvA 2018- socialbigdata
 
Jornada leiden short
Jornada leiden shortJornada leiden short
Jornada leiden short
 
BIG DATA EN CIENCIAS DE LA SALUD Y CIENCIAS SOCIALES
BIG DATA EN CIENCIAS DE LA SALUD Y CIENCIAS SOCIALESBIG DATA EN CIENCIAS DE LA SALUD Y CIENCIAS SOCIALES
BIG DATA EN CIENCIAS DE LA SALUD Y CIENCIAS SOCIALES
 
ICCES'2016 BIG DATA IN HEALTHCARE AND SOCIAL SCIENCES
ICCES'2016  BIG DATA IN HEALTHCARE AND SOCIAL SCIENCESICCES'2016  BIG DATA IN HEALTHCARE AND SOCIAL SCIENCES
ICCES'2016 BIG DATA IN HEALTHCARE AND SOCIAL SCIENCES
 
Big data systems and analytics
Big data systems and analyticsBig data systems and analytics
Big data systems and analytics
 
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN Y BIG DATA AL PROBLEMA DE BÚSQUEDA...
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN Y BIG DATA AL PROBLEMA DE BÚSQUEDA...APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN Y BIG DATA AL PROBLEMA DE BÚSQUEDA...
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN Y BIG DATA AL PROBLEMA DE BÚSQUEDA...
 
G te c sesion1b-casos de uso
G te c sesion1b-casos de usoG te c sesion1b-casos de uso
G te c sesion1b-casos de uso
 
G te c sesion2a-data collection
G te c sesion2a-data collectionG te c sesion2a-data collection
G te c sesion2a-data collection
 
G tec sesion2b-host-cloud y cloudcomputing
G tec sesion2b-host-cloud y cloudcomputingG tec sesion2b-host-cloud y cloudcomputing
G tec sesion2b-host-cloud y cloudcomputing
 
G te c sesion3a-bases de datos modernas
G te c sesion3a-bases de datos modernasG te c sesion3a-bases de datos modernas
G te c sesion3a-bases de datos modernas
 
G te c sesion3b- mapreduce
G te c sesion3b- mapreduceG te c sesion3b- mapreduce
G te c sesion3b- mapreduce
 
G te c sesion4a-bigdatasystemsanalytics
G te c sesion4a-bigdatasystemsanalyticsG te c sesion4a-bigdatasystemsanalytics
G te c sesion4a-bigdatasystemsanalytics
 
G te c sesion4b-complejidad y tpa
G te c sesion4b-complejidad y tpaG te c sesion4b-complejidad y tpa
G te c sesion4b-complejidad y tpa
 
Open Data para Smartcity-Facultad de Estudios Estadísticos
Open Data para Smartcity-Facultad de Estudios EstadísticosOpen Data para Smartcity-Facultad de Estudios Estadísticos
Open Data para Smartcity-Facultad de Estudios Estadísticos
 
Deep Learning + R by Gabriel Valverde
Deep Learning + R by Gabriel ValverdeDeep Learning + R by Gabriel Valverde
Deep Learning + R by Gabriel Valverde
 
Fortune Time Institute: Big Data - Challenges for Smartcity
Fortune Time Institute: Big Data - Challenges for SmartcityFortune Time Institute: Big Data - Challenges for Smartcity
Fortune Time Institute: Big Data - Challenges for Smartcity
 
Curso Big Data. Introducción a Deep Learning by Gabriel Valverde Castilla
Curso Big Data. Introducción a  Deep Learning by Gabriel Valverde CastillaCurso Big Data. Introducción a  Deep Learning by Gabriel Valverde Castilla
Curso Big Data. Introducción a Deep Learning by Gabriel Valverde Castilla
 
Curso Big Data. Control de semáforos en la Smartcity by Ana Laura Rodríguez y...
Curso Big Data. Control de semáforos en la Smartcity by Ana Laura Rodríguez y...Curso Big Data. Control de semáforos en la Smartcity by Ana Laura Rodríguez y...
Curso Big Data. Control de semáforos en la Smartcity by Ana Laura Rodríguez y...
 
Concienciación sobre reciclaje mediante Big Data
Concienciación sobre reciclaje mediante Big DataConcienciación sobre reciclaje mediante Big Data
Concienciación sobre reciclaje mediante Big Data
 

Último

Patología Sistema Nervioso.pdf medicina veterinaria
Patología Sistema Nervioso.pdf medicina veterinariaPatología Sistema Nervioso.pdf medicina veterinaria
Patología Sistema Nervioso.pdf medicina veterinaria
alissonLizana
 
UNA VISION DE LA VIDA, presentacion de biologia
UNA VISION DE LA VIDA, presentacion de biologiaUNA VISION DE LA VIDA, presentacion de biologia
UNA VISION DE LA VIDA, presentacion de biologia
Zonnia2
 
Plan de acondicionamiento Territorial de la Provincia de Lambayeque
Plan de acondicionamiento Territorial de la Provincia de LambayequePlan de acondicionamiento Territorial de la Provincia de Lambayeque
Plan de acondicionamiento Territorial de la Provincia de Lambayeque
SayuriEsqun
 

Último (10)

Patología Sistema Nervioso.pdf medicina veterinaria
Patología Sistema Nervioso.pdf medicina veterinariaPatología Sistema Nervioso.pdf medicina veterinaria
Patología Sistema Nervioso.pdf medicina veterinaria
 
Manual Técnico Fedeplacol cultivo plátano Colombia.pdf
Manual Técnico Fedeplacol cultivo plátano Colombia.pdfManual Técnico Fedeplacol cultivo plátano Colombia.pdf
Manual Técnico Fedeplacol cultivo plátano Colombia.pdf
 
UNA VISION DE LA VIDA, presentacion de biologia
UNA VISION DE LA VIDA, presentacion de biologiaUNA VISION DE LA VIDA, presentacion de biologia
UNA VISION DE LA VIDA, presentacion de biologia
 
THEOBROMA. Cacao. La Planta del Chocolate. I Parte
THEOBROMA. Cacao. La Planta del Chocolate. I ParteTHEOBROMA. Cacao. La Planta del Chocolate. I Parte
THEOBROMA. Cacao. La Planta del Chocolate. I Parte
 
Plan de acondicionamiento Territorial de la Provincia de Lambayeque
Plan de acondicionamiento Territorial de la Provincia de LambayequePlan de acondicionamiento Territorial de la Provincia de Lambayeque
Plan de acondicionamiento Territorial de la Provincia de Lambayeque
 
TIPOS DE RELIEVES EN PANAMÁ. SUS CARACTERÍSTICAS FÍSICAS Y GEOGRÁFICAS
TIPOS DE RELIEVES EN PANAMÁ. SUS CARACTERÍSTICAS FÍSICAS Y GEOGRÁFICASTIPOS DE RELIEVES EN PANAMÁ. SUS CARACTERÍSTICAS FÍSICAS Y GEOGRÁFICAS
TIPOS DE RELIEVES EN PANAMÁ. SUS CARACTERÍSTICAS FÍSICAS Y GEOGRÁFICAS
 
ESPECIALIDAD DE SEMILLAS DESARROLLADA.pdf
ESPECIALIDAD DE SEMILLAS DESARROLLADA.pdfESPECIALIDAD DE SEMILLAS DESARROLLADA.pdf
ESPECIALIDAD DE SEMILLAS DESARROLLADA.pdf
 
Métodos de Cálculo del Balance Hídrico.pdf
Métodos de Cálculo del Balance Hídrico.pdfMétodos de Cálculo del Balance Hídrico.pdf
Métodos de Cálculo del Balance Hídrico.pdf
 
circulacion animales y plantas de medio.
circulacion animales y plantas de medio.circulacion animales y plantas de medio.
circulacion animales y plantas de medio.
 
proyecto de hortalizas yucas de la selva
proyecto de hortalizas yucas de la selvaproyecto de hortalizas yucas de la selva
proyecto de hortalizas yucas de la selva
 

Curso Big Data. Caso de Estudio Pesca Fletan con R by Víctor Sanz y Alberto Corral

  • 1. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R APLICACIÓN AL ESTUDIO DE LA PESQUERÍA DEL FLETÁN DELARTÍCULO “THE PARABLE OF GOOGLE FLU: TRAPS IN BIG DATA ANALISYS” Autores: Victor Sanz y Alberto Corral
  • 2. ALUMNO : Víctor. Sanz. Fernández TITULACIÓN: CIENCIAS DEL MAR Facultad de Ciencias del Mar y Ambientales (UCA) BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R AUTORES ALUMNO : Alberto Corral Rojas TITULACIÓN: CIENCIAS MATEMÁTICAS E INGENIERÍA MATEMÁTICA Facultad de Ciencias matemáticas (UCM)
  • 3. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R APLICACIÓN A LA PESQUERÍA DEL FLETÁN DEL PACÍFICO. Víctor. Sanz. Fernández
  • 4. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R Hippoglossus stenolepis (Schmidt, 1904) Familia Pleuronectinidae Subfamilia Pleuronectinae Orden Pleuronectiformes Clase Actinopterigios Talla máxima: 258 cm TL (macho); 267 cm TL (hembra); peso máximo publicado; 363 kg; edad máxima comunicada: 42 años. Medioambiente: demersal; oceanódromo; marino; rango de profundidad 0 – 1200 m. Clima: templado; 65ºN – 31ºN. Pesquerías: FAO (Food and Agriculture Organization of the United Nations): la captura total (1999) = 43.557 tm. Los países con mayores capturas fueron Estados Unidos y Canadá. Palangre de fondo. Lances efectivos estandarizados: líneas madre de 45,72 metros (1800 pulgadas) con anzuelos de 16/0 cada 45 cm en brazolas de 60 a 100 cm de largo.
  • 5. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R Selección de los datos facilitados por la International Pacific Halibut Commission (IPHC). Capturas de 14 años, en capturas diarias durante los meses de temporada de pesca que comienzan el 30 de mayo y termina el 28 de agosto. Se agrupan los datos de cada ciclo en grupos 13 de 7 días reales. Captura por unidad de esfuerzo (CPUE) = kilogramos/lances efectivos.
  • 6. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R Negro: serie temporal con ruido. Rojo: Tendencia. Azul: Tendencia + estacionaria (sin ruido). Comportamiento estacional. ¿Tendencia?. ¿Varianza constante?.
  • 7. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R Serie estacionaria: la media y la varianza, no varían a lo largo del tiempo. Objetivo cumplido podemos empezar a realizar nuestros modelos ARIMA. Descomposición de la serie temporal.
  • 8. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R CUADRO DE ELABORACIÓN DE UN MODELO ARIMA.
  • 9. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R ARTÍCULO Cada semana, millones de usuarios de todo el mundo buscan información sanitaria online. Como es de esperar, se realizan más búsquedas relacionadas con la gripe durante la temporada de gripe, más búsquedas sobre alergias durante la temporada de alergias y más búsquedas sobre las quemaduras solares durante el verano, ¿pueden proporcionar las tendencias de las consultas la base de un modelo preciso y fiable sobre los fenómenos del mundo real? Han descubierto que existe una estrecha relación entre el número de personas que realizan búsquedas relacionadas con la gripe y las personas que realmente sufren síntomas gripales. Obviamente, no todas las personas que buscan "gripe" están enfermas, pero cuando se suman todas las búsquedas relacionadas con esta enfermedad surge un patrón. Mediante el recuento de la frecuencia de estas consultas, podemos estimar en qué medida circula la gripe por diferentes países y regiones de todo el mundo. Han descubierto que ciertos términos de búsqueda son buenos indicadores de la actividad de la gripe. El proyecto y la serie temporal “Evolución de la gripe” en Google utiliza los datos globales de las búsquedas en Google para realizar, casi en tiempo real, cálculos aproximados de la actividad actual de la gripe en todo el mundo.
  • 10. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R
  • 11. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R GRÁFICOS 4-D
  • 12. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R ACCESO A BIG DATA
  • 13. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R APLICACIÓN A ESPAÑA
  • 14. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R OTROS ARTÍCULOS
  • 15. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R DISPONIBILIDAD DE NUEVAS FUENTES DE BIG DATA
  • 16. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R AWS FORUM GLOSARIO DE TÉRMINOS: Autenticación multifactor EBS. ESSS Virtual prívate cloud VPC Amazon elastic map reduce AEMR PROGRAMA FINAL Primero hablan de las aplicaciones de gestión de DNS, para la integración de sistemas y módulos de enroutamiento. Posteriormente incorporan la herramienta de gestión de Load Balance, para balancear entre ips o bien entre entradas de https y así ganar en elasticidad de manejo de las cargas. En el caso de tratar con pega bytes de información asociada a base de datos columnar y escalar data warehouse usaríamos Redshift Amazon El último módulo, el 5, trata de deployment y management. Principalmente vuelve sobre la aplicación, e introduce la Elastic Beanstalk
  • 17. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R AWS FORUM
  • 18. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R AWS RECOMENDACIONES DE FORMACIÓN
  • 19. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R AWS RECOMENDACIONES DE FORMACIÓN
  • 20. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R NOTICIAS DE ACTUALIDAD
  • 21. BIG & OPEN DATAANÁLISIS Y PROGRAMACIÓN CON R SI SE CREE Y SE TRABAJA. SE PUEDE (DIEGO PABLO SIMEONE). ¡ MUCHAS GRACIAS POR VUESTRAATENCIÓN!.