Conviértete en un Data Scientist

Nace el Grado en Matemática Aplicada al análisis de datos por la Universidad Europea de Madrid.

En los últimos años han irrumpido en nuestra sociedad términos como el Internet de las Cosas, la industria 4.0, las Smart Cities, y el Big Data. Todos estos términos tienen en común la necesidad del almacenamiento masivo de grandes cantidades de datos en tiempo real y del análisis automático de los mismos con el objetivo de obtener información útil como base en la toma de decisiones a niveles estratégicos. Los ámbitos de aplicación son, además, muy extensos como Salud, Educación, Industria, Energía, y un largo etcétera. Los efectos que está teniendo en los resultados de las organizaciones son tales que en algunos casos se están tomando decisiones de gran nivel basándose únicamente en los resultados de estos procesos automáticos. Un ejemplo de ello son los nuevos seguros de automóviles que están basando el cálculo de las cuotas en los resultados de analizar los datos de la trazabilidad recopilados a través de todos los sensores que hoy en día disponen los automóviles. Es tal la influencia que el análisis de datos está generando en la sociedad y, en particular, en la industria, que ya se habla de la 3º revolución industrial.

El data scientist

Este reto requiere de profesionales que estén bien formados y perfectamente preparados para generar valor en torno a esta gran oportunidad. Un analista de datos tiene que ser capaz de abordar funciones de Explotación, Desarrollo, Diseño y Administración de sistemas de gran volumen de datos, y en un nivel superior, las funciones de Análisis, Arquitectura y Dirección de los mismos. Para ello tiene que dominar las técnicas y herramientas de las matemáticas y la estadística, así como, las técnicas y herramientas software que se utilizan para el almacenamiento de grandes cantidades de datos en tiempo real, para el análisis y procesamiento de los mismos (utilizando modelos predictivos e inteligencia de negocio), así como para la visualización de forma adecuada para mejor entendimiento del encargado de tomar la decisión final.

Una profesión con mucho presente y más futuro Sigue leyendo

Bulgaria solo aceptará software de código abierto

Mapa y bandera de BulgariaDesde el pasado 1 de julio toda empresa que quiera contratar con la administración pública de Bulgaria para el desarrollo, mejora o implementación de programas informáticos tendrá como requisitos:

  1. Que se cumplan los criterios de open source software o software de código abierto,
  2. Que no hay limitaciones de copyright para su uso, modificación y distribución
  3. Y que se desarrolle en un repositorio mantenido por la administración.

Tal y como el autor de esta entrada afirma:

“Esto significa que cualquier software que el gobierno obtenga será visible y accesible para todo el mundo. Después de todo, es pagado con el dinero de los contribuyentes y ellos deberían poder verlo y beneficiarse de él.” De esta manera, todos los programas informáticos que se contraten a partir de ahora estarán disponibles para el público y podrán ser reutilizados y modificados según las necesidades de cada uno, con el ahorro que eso supone para la administración pública.

De esta manera, todos los programas informáticos que se contraten a partir de ahora estarán disponibles para el público y podrán ser reutilizados y modificados según las necesidades de cada uno, con el ahorro que eso supone para la administración pública.

Vía La mirada del replicante y ThePolicy.us.

R4U…. Introducción al uso de R en entornos universitarios

R44U

Comienza el curso “Introducción al uso de R en entornos universitarios” al que nosotros denominamos R4U

Este curso plantea un desafío aproximar el uso de R, un lenguaje, a un colectivo diverso como es el del “personal” de la universidad. Es un colectivo diverso en cualquiera de sus dimensiones, la marca es la heterogeneidad tanto en el PDI como en el PAS. Sin embargo, más allá del propio lenguaje está la metodología de trabajo, la gestión de la información, la automatización de procedimientos y tanto la optimización en la gestión del tiempo, como la de los resultados de la comunicación.

Veremos como R forma parte de un sistema de trabajo más amplio que exige ciertos cambios en los modus operandi y una formación continua, este esfuerzo proporciona resultado de distinta naturaleza y plantea preguntas personales relevantes, para conseguir las respuestas vamos a proporcionar elementos de juicio.

¿Qué esperamos del curso?

Estamos seguros de que muchas son las preguntas que los participantes en el taller se plantean y pueden ir desde lo más simple hasta cuestiones mucho más avanzadas ¿Qué es R? ¿R sólo lo usan los estadísticos? ¿Sabiendo ya manejar el programa estadístico X podre cambiarme a R fácilmente? ¿Cuánto cuesta aprender a utilizarlo? ¿Está orientado a un campo del conocimiento específico? ¿Tengo que aprender mucho e invertir mucho tiempo? ¿Hay diferentes niveles de “aprendizaje”? ¿Me compensa el esfuerzo de aprender para el rendimiento que obtendré en mi trabajo? ¿Cómo puedo hacer el análisis estadístico X y que significan sus resultados?

Realizaremos una serie de actividades que nos proporcionaran argumentos para responder a estas y otras preguntas, así, veremos:

  • como utilizar el lenguaje R para resolver problemas simples que nos afectan en el quehacer cotidiano.
  • Como se puede utilizar con fluidez la terminal y manejar la interfaz básica de R con muy poco esfuerzo.
  • Estudiaremos como aprovechar las características los principales elementos de R y su entrono, así como el fundamento de la sintaxis de R.
  • Abordaremos el desafío de elaborar procedimientos básicos de trabajo documentados y reproducibles con R.

Obviamente, el nivel del experiencia previa y las expectativas de uso para cada uno de los distintos participantes puede ser muy distinta, por ello, vamos a empezar desde cero, los más experimentados pueden saltar aquellas propuestas de lectura o actividades que sugerimos en los materiales de trabajo; pero nadie puede “saltarse” las tareas propuestas.

Estamos a vuestra disposición… 00RTeam

La estadística trabaja al servicio de todos los tipos de ciencia

Entrevista a Mathieu Kessler Catedrático de Matemática Aplicada y Estadística de la Universidad Politécnica de Cartagena, por M. J. MORENO (11/06/2016)

En la ciencia, todo lo que se observa son datos: pueden ser el resultado de experimentos, como por ejemplo la concentración de colesterol en un paciente sometido a un tratamiento experimental, o pueden ser lo que se registre en un fenómeno natural, como por ejemplo la temperatura en el contexto del calentamiento global. En base a estos datos los científicos, como Mathieu Kessler, idean teorías o diseñan productos que nos pueden cambiar la vida. Podríamos decir que los datos son las palabras que interpreta el científico para entender la realidad, de ahí la importancia de que se traten de manera adecuada.

¿Qué papel juega la estadística en el desarrollo de investigaciones científicas?

Por una parte, la estadística ayuda a transformar la información bruta de los datos en conocimiento. Permite distinguir lo que es ruido de lo que es significativo y que podría suponer un progreso. En la fase de prueba de un medicamento, por ejemplo, es la estadística la que permite comprobar si el efecto observado en los pacientes es significativo o solamente debido al azar o otras causas (efecto placebo, por ejemplo). Por otra parte, una contribución muy importante de la estadística a la ciencia es que explica cómo hay que diseñar un experimento para evitar que confundamos el efecto observado con otras causas colaterales: si queremos recabar la percepción de consumidores sobre distintos diseños de un producto comercial, tendremos que asegurarnos que los distintos grupos que consideremos para la comparativa tengan una composición parecida en edad, sexo, nivel socio económico etc… Es la estadística que llamó la atención de manera clara sobre estas precauciones básicas que nos pueden parecer muy naturales ‘a posteriori’.

Otras preguntas de la entrevista:

  • Se trata, por tanto, de una rama complementaria a cualquier tipo de ciencia.
  • ¿Hablar de datos o de estadística es hacerlo de métodos 100% objetivos, o cabe la interpretación?
  • En ocasiones es necesario trabajar con datos personales, ¿es posible una total protección del anonimato?
  • ¿Cuánto tiempo lleva desarrollar un análisis de datos de calidad?
  • ¿Cómo han influido los avances en computación a este respecto?
  • No se tratan igual los datos relacionados con política que con la medicina u otras disciplinas, ¿con qué dificultades se encuentran a la hora de trabajar para obtener resultados óptimos?
  • ¿Existe algún sector en el que les resulte más complicado investigar o en el que directamente sea imposible hacerlo?

Entrevista completa en http://ababol.laverdad.es

Código binario para zafarnos del sol

Hace unos días que las ventanas de la Sección de Apoyo Estadístico (SAE) del SAI de la Universidad de Murcia visten un aspecto distinto. Y es que, a causa del fuerte sol que entra cada mañana, sobretodo en época estival, se hace imposible ver bien las pantallas de los monitores.

Debido a esto, decidimos cubrir las ventanas del despacho para evitar así la entrada total de luz.

Al principio tuvimos bastantes ideas, pero finalmente, optamos por la que mataba dos pájaros de un tiro. Diseñaríamos unos carteles que, por un lado, evitarían la entrada de luz, lo que era el propósito principal, y por otro, decorarían el aspecto exterior de las ventanas del despacho, dándonos así un ligero signo de identidad sin alterar la apariencia del edificio.

El diseño de los carteles consiste en secuencias de ceros y unos que en realidad son frases de personajes célebres que nos despiertan una admiración particular.

fachada-sae-binario

Pasamos, pues, a detallar todo el proceso:

Partimos de un texto en claro: por ejemplo, un consejo que da nuestro queridísimo hidalgo Don Quijote de la Mancha a su fiel escudero Sancho Panza,

“Sábete Sancho, que no es un hombre más que otro, si no hace más que otro.”

Ciframos el texto: Para ello, usamos el estándar de cifrado simétrico AES, también conocido como Rijndael, diseñado a finales de la década de los años 90 por los criptólogos belgas Joan Daemen y Vincent Rijmen. Este algoritmo fue el elegido como ganador en un concurso emitido por el Instituto Nacional de Normas y Tecnología (NIST) con motivo de encontrar un método de cifrado capaz de proteger información sensible durante el siglo XXI y fue adoptado como un estándar de cifrado por el gobierno de los Estados Unidos. Entonces, cifrando el texto anterior usando como clave la expresión “gaudeamus igitur”, obtenemos la secuencia de números expresados en base hexadecimal siguiente:

ce b9 da cd 10 5c ec a0 e0 91 8e 2d 4d 13 64 94 0c bc 38 8c b9 3b de c6 1a 74 94 7c 6b d6 6d 08 45 57 e8 cb b1 cb 7e 50 c0 c4 ee 84 fd 4a 63 34 3e 0d d5 82 ef 46 9d 9f bd 21 ed b4 77 ba b9 7b 9a 8d 2e 37 aa 8a a8 25 22 de fe a8 5c 67 38 72

Pasamos a binario: Finalmente, tomamos la secuencia numérica anterior y mediante el software libre de álgebra computacional SAGE, representamos cada número hexadecimal mediante una cadena de 8 ceros o unos, lo que en informática se conoce como un byte obteniendo:

binario-sancho-blog

Maquetamos para impresión: Por último, utilizando el editor gráfico vectorial Inkscape, ajustamos el texto a las dimensiones adecuadas para imprimirlo modificando el tamaño de letra, el interlineado y la separación entre palabras y sílabas. En este caso, puesto que el objetivo ha sido ponerlo en unas ventanas, lo hemos generado con unas dimensiones de 90cm por 179cm, tamaño de letra 150 y tipo de letra Courier 10 Pitch obteniendo la imagen que vemos arriba.

Las citas que aparecen en los carteles son:

  • Santiago Ramón y Cajal, (1852): “Todo hombre puede ser, si se lo propone, escultor de su propio cerebro”.
  • Radiohead, OK Computer, (1997): “Karma Police, arrest this man, he talks in maths, he buzzes like a fridge, he’s like a detuned radio”.
  • Marie Curie, (1867): “En la vida no hay cosas que temer, solo hay cosas que comprender”
  • Miguel de Cervantes, (1547): “Sábete Sancho, que no es un hombre más que otro, si no hace más que otro”.
  • Euclides, (325 a.C.): “Lo que es afirmado sin prueba puede ser negado sin prueba.”
  • Antoine de Saint-Exupery, El principito, (1900): “He aquí mi secreto, que no puede ser más simple: solo con el corazón se puede ver bien; lo esencial es invisible a los ojos,…”

Agradecemos a la Sección de Análisis de Imagen del SAI de la Universidad de Murcia, María García y Antonio Hernández, su ayuda con la impresión de los pósteres.

EIDUM, EDE01: Creación, manejo y explotación de datos espaciales

paqui1Comienza el curso de EIDUM: Creación, manejo y explotación de datos espaciales”. Consiste en tres sesiones, y hay tres grupos con diferente horario (horario de tarde). Se imparte en el aula Bisbita de la facultad de Biología.

Destinatarios

Alumnos de doctorado con conocimientos básicos de SIG (esencialmente los recogidos por el documento del Instituto Geográfico Nacional Conceptos cartográficos ) y con conocimientos de R, tanto los gestión de datos como en los de representación gráfica, puede participar en este curso para aprovechar el potencial de R en la gestión y la representación de datos espaciales y complementar este conocimiento con el uso de un programa de desktop mapping potente como es Quantum GIS.

Competencias

paqui2

  • Ser capaz de combinar información espacial procedente de distintas fuentes o formatos
  • Ser capaz de preparar datos espaciales propios y representarlos adecuadamente
  • Ser capaz de independizar los datos del software empleado para su procesamiento, análisis o representación

Contenidos

  1. Visualización de datos cartográficos (Qgis)
  2. Reproyecciones (gdal y ogr)
  3. Captura de datos cartográficos de Internet (openlayers y otros)
  4. Introducción a la elaboración de mapas con R. Gestión de información ráster y vectorial
  5. Diseño de impresión de mapas (Qgis y R)

Resultados de aprendizaje

  • Poder visualizar mapas propios en pantalla o en papel documentación cartográfica personalizada
  • Poder utilizar la información procedente de servidores cartográficos y otras fuentes
  • Poder realizar cálculos básicos con la información espacial para la obtención de mapas propios
  • Manejar adecuadamente los sistemas de proyección y poder reproyectar convenientemente la cartografía disponible
  • Preparar la información para generar mapas de calidad destinados a la impresión

Evaluación

Para la superación del curso se exigirá:

  • la asistencia a las sesiones presenciales obligatorias
  • la cumplimentación del cuestionario de satisfacción del curso
  • la realización y entrega de las tareas requeridas, tal como se indica a continuación

El curso es semipresencial, y al trabajo en las sesiones presenciales ha de sumarse el realizado por los alumnos siguiendo las indicaciones que se detallan en el aula virtual; estas se inician antes de las sesiones presenciales.

En todas las sesiones presenciales se realizarán dos controles, tipo test, de unos diez minutos de duración:

  1. Al inicio, donde se evaluará la actividad del alumno con los materiales puestos a su disposición en el aula virtual. La actividad será seguida además por las herramientas de monitorización del AV.

  2. Al final, en el que se evaluará los avances logrados durante la sesión de clase.

Además, existe una tarea del curso que se presentará en el aula virtual con fecha límite de una semana tras la realización de la última sesión presencial. Esta tarea será evaluada por dos compañeros en la propia aula virtual con una semana de tiempo a contar desde la entrega de la tarea.

VIII Jornadas de Usuarios de R

RalbaceteLa Asociación R-Hispano tiene el placer de anunciar la celebración de las VIII Jornadas de Usuarios de R. En esta ocasión, será la Universidad de Castilla-La Mancha, en su campus de Albacete, quien acoja las Jornadas los días 17 y 18 de noviembre de 2016.

El objetivo de las Jornadas es proporcionar un punto de encuentro a la diversidad de usuarios de R por lo que, independientemente de la filiación o del área de trabajo o investigación, todo usuario de R es bienvenido.

Como en años anteriores, la presentación de trabajos en las Jornadas puede ser en forma de Presentación oral, en distintas sesiones paralelas, que reflejen el amplio abanico de análisis de datos mediante R, Póster, en una sesión específica, o como un Taller que permita profundizar en aspectos interesantes y menos conocidos de R.

El envío de trabajos ha de hacerse a través del formulario habilitado en la web del congreso en http://r-es.org/8jornadasR . En esta edición de las Jornadas también se otorgará un premio al mejor trabajo presentado por un investigador joven (ver bases en la web de las Jornadas).

Finalmente, queremos agradecer la colaboración de nuestros patrocinadores, sin los que las Jornadas no serían posible. Si tú o tu institución estáis interesados en patrocinar las Jornadas puedes consultar cómo hacerlo en http://r-es.org/8jornadasR .

Las fechas importantes son:

  • Envío de comunicaciones (presentación/póster/taller): del 15/02/2016 al 15/06/2016 (PLAZO AMPLIADO)
  • Decisión sobre envíos: 01/07/2016
  • Registro: del 01/03/2016 al 18/11/2016

Taller: Documentos científicos y técnicos de alta calidad: más allá de WYSIWYG

El día viernes, 13 de Mayo, se celebrará a las 12:00 en el ADLA BUITRE, el taller “Documentos científicos y técnicos de alta calidad: más allá de WYSIWYG”.

Zpala

¿Qué es el “WYSIWYG”?

Las siglas “WYSIWYG” significan “What you see is what you get”, y hacen referencia a todos los editores/procesadores de texto con un tipo de formato que permite escribir un documento viendo directamente el resultado final, frecuentemente el resultado impreso.
Esto, aunque aparentemente parece una ventaja, tiene sus inconvenientes, pues en pos de poder ver lo que será el resultado, el software sacrifica prestaciones, al no poder obtener un manejo absoluto de lo que se está editando.
Un ejemplo de editores/procesadores de texto que no se encuadran dentro de la familia “WYSIWYG” es LaTeX; un sistema de composición de textos, orientado a la creación de documentos escritos que presenten una alta calidad tipográfica. Por sus características y posibilidades, es usado de forma especialmente intensa en la generación de artículos y libros científicos que incluyen, entre otros elementos, expresiones matemáticas.

EIDUM, MAN01: Métodos de análisis de datos multivariantes

fernandoPSComienza el curso de EIDUM “Métodos de análisis de datos multivariantes.”. Consiste en dos sesiones, y hay tres grupos con diferente horario (horario de tarde). Se imparte en el aula Mangel de ATICA y la buitre de la facultad de Biología. Acceso a la agenda aquí.

Destinatarios

El curso está dirigido a alumnos de doctorado con conocimientos básicos en R y elaboración de informes y documentos sencillos en Rmarkdown. En su caso es recomendable haber realizado los cursos de Introducción a R y Rstudio, Procedimientos para la elaboración de informes y documentos científico-técnicos, Representación y tabulación de datos, o tener los conocimientos considerados en estos cursos.

En el curso abordará las técnicas de análisis de datos multivariantes evitando en lo posible los aspectos más formales, abordando las cuestiones desde un punto de vista eminentemente práctico. Se estudiarán las técnicas de ordenación y clasificación más habituales sus aplicaciones y ejemplos prácticos. Finalmente se hará una introducción a las técnicas de aprendizaje automatizado (machine learning), así como al empleo de curvas ROC y sus aplicaciones.

Competencias

  • Ser capaz de identificar la naturaleza del problema multivariante a abordar y las técnicas a aplicar
  • Ser capaz de realizar una clasificación e interpretar los resultados identificando las características de los grupos obtenidos.
  • Ser capaz de realizar una ordenación e interpretar los resultados
    describiendo el significado de los ejes obtenidos.
  • Ser capaz de leer un informe de resultados de una análisis realizado por una técnica de aprendizaje automático.

Contenidos

  1. Técnicas de ordenación: Análisis de componentes principales
  2. Técnicas de ordenación: Análisis de correspondencias
  3. Técnicas de ordenación: Escalado multidimensional
  4. Técnicas de ordenación: Análisis factorial
  5. Técnicas de clasificación: Clasificación no jerárquica: algoritmo k-means
  6. Técnicas de clasificación: Clasificación jerárquica: Elaboración de dendrogramas
  7. Introducción al aprendizaje automatizado.
  8. Curvas ROC usos e interpretación.

Resultados de aprendizaje

  • Conocer las más habituales técnicas multivariantes existentes.
  • Saber aplicar las técnicas multivariantes con R.
  • Ser capaz de interpretar y elaborar informes de los resultados.
  • Saber aplicar los fundamentos del aprendizaje automatizado para el diseño de análisis
  • Ser capaz de construir en R una curva ROC e interpretar el resultado.
  • Ser capaz de combinar los resultados de distintos análisis multivariantes para mejorar la interpretación de los resultados.

En la clase de hoy hemos hecho un PCA viviente….

PCA( 00Rteam[,1:4], graph = TRUE, scale.unit = TRUE )

pca_00rteam

I Jornada Big Data y Salud en la Región de Murcia

El pasado 21 de Abril tuvimos el placer de asistir a la I Jornada Big Data y Salud en la Región de Murcia. En ella, diversos conferenciantes expusieron proyectos muy interesantes en los que se hacía necesaria una recogida ingente de datos. Y es aquí, donde los modelos que ofrece el Big Data para el tratamiento de la información, se convertían en una herramienta fundamental. Sin duda, la conclusión unánime de la jornada fue, que cada vez se hará más patente la demanda de analistas de datos en el ámbito de la salud, pues este intercambio disciplinar no hace más que ampliar las posibilidades y enriquecer los resultados.



Podéis pinchar aquí para consultar el programa de la I Jornada Big Data y Salud en la Región de Murcia, y en este otro enlace para ver la galería de fotos del evento.