La charla TED que os traigo este sábado se titula The most important lesson from 83,000 brain scans o La lección más importante después de escanear 83.000 cerebros y fue realizada en el TEDxOrangeCoast por parte de Daniel Amen
The most important lesson from 83,000 brain scans | Daniel Amen | TEDxOrangeCoast
Never miss a talk! SUBSCRIBE to the TEDx channel: http://bit.ly/1FAg8hB
In the spirit of ideas worth spreading, TEDx is a program of local, self-organized events that bring people together to share a TED-like experience. At a TEDx event, TEDTalks video and live speakers combine to spark deep discussion and connection in a small group. These local, self-organized events are branded TEDx, where x = independently organized TED event. The TED Conference provides general guidance for the TEDx program, but individual TEDx events are self-organized.* (*Subject to certain rules and regulations)
sábado, marzo 31, 2018
viernes, marzo 30, 2018
Single Ladies - Put a Ring on It (by Beyoncé)
Para este viernes os propongo recuperar un éxito de Beyoncé del año 2009 más recordado por el baile del videclip: Single Ladies or Put a Ring on It
Beyoncé - Single Ladies (Put a Ring on It)
Beyoncé's official video for 'Single Ladies (Put a Ring on It)'.
Follow Beyoncé
Website: http://www.beyonce.com/
Beyoncé - Single Ladies (Put a Ring on It)
Beyoncé's official video for 'Single Ladies (Put a Ring on It)'.
Follow Beyoncé
Website: http://www.beyonce.com/
jueves, marzo 29, 2018
Big Data Congress: Machine Learning in eCommerce
En el Big Data Congress 2017 de Barcelona del pasado mes de Octubre, se realizó la conferencia titulada "Machine Learning in eCommerce" por parte de Jose Miguel Pulido, co-fundador de Promoforma.com
miércoles, marzo 28, 2018
Big Data Congress: Content Moderation using Deep Learning tools
Una de las conferencias más interesantes de las 2 jornadas del Big Data Congress 2017 de Barcelona fue la titulada Catalogue or Content moderation using Deep Learning tools de Nicolás Herrero de Wallapop
Wallapop is a mobile, geolocalized & peer-to-peer marketplace
Wallapop fue creado en Septiembre de 2015 como marketplace puramente móvil, conviertiendose en el primer marketplace móvil del mercado español, con 35 millones de instalaciones, con más de 5,5 millones de MAU (Monthly Active Users)
En la presentación se explicó cómo les había ayudado la implementación del reconocimiento de las fotografías para que de forma automática se descartaran aquellos anuncios que trataran de vender material que se consideraba prohibido como armas y medicamentos.
Wallapop is a mobile, geolocalized & peer-to-peer marketplace
Wallapop fue creado en Septiembre de 2015 como marketplace puramente móvil, conviertiendose en el primer marketplace móvil del mercado español, con 35 millones de instalaciones, con más de 5,5 millones de MAU (Monthly Active Users)
En la presentación se explicó cómo les había ayudado la implementación del reconocimiento de las fotografías para que de forma automática se descartaran aquellos anuncios que trataran de vender material que se consideraba prohibido como armas y medicamentos.
martes, marzo 27, 2018
Big Data Congress: Google Cloud Platform for Big Data
Otra de las conferencias que tuvo lugar en el pasado Big Data Congress 2017 en Barcelona fue la realizada por Albert Climent de Pervasive Technologies con el título Google Cloud Platform for Big Data
Como ya se comentó en tras charlas, la problemática inicial del Big Data es la coexistencia entre las 3 Vs:
VOLUMEN
El ciclo de vida de Big Data tiene 5 fases recurrentes:
Big Data Lifecycle:
Son distintas las soluciones para implantar Big Data tanto a nivel de fabricantes de software como de soluciones de Cloud:
Como ya se comentó en tras charlas, la problemática inicial del Big Data es la coexistencia entre las 3 Vs:
VOLUMEN
- Terabytes
- Trasiciones
- Tablas y ficheros
- Registros
VARIEDAD
- No estructurado
- Semiestructurado
- Estructurado
- Combinado
VELOCIDAD
- Batch
- Near Time
- Real Time
- Streams
El ciclo de vida de Big Data tiene 5 fases recurrentes:
Big Data Lifecycle:
- Data Acquisition
- Data Preparation
- Data Representation
- Data Analysis
- Data Interpretation
La infraestructura de Big Data se puede ubicar On-Premise o en Cloud, a continuación los pros y los contras:
Son distintas las soluciones para implantar Big Data tanto a nivel de fabricantes de software como de soluciones de Cloud:
lunes, marzo 26, 2018
Big Data Congress: Social Data Apllications with Business Impact
A continuación voy a comentar otra de las interesantes presentaciones que se realizaron en el marco del Big Data Congress de Barcelona 2017. En concreto se trata de la presentación titulada Social Data Apllications with Business Impact por parte de Ivan Leanizbarrutia de Quimera Social CRM
En Social Data también hay que saber gestionar el gran volumen de datos para conseguir utilizarlos para tener un impactor real en el negocio.
¿Qué es el Social Data?
La definición de Social Data: Toda aquella información que podemos obtener de los usuarios en su interacción dentro de las redes sociales. El social data aporta una capa de conocimiento específica y diferencias de otras fuentes de datos
A continuación podemos ver en qué es diferencial el Social Data y como con un ejemplo se puede diferenciar entre el dato socio-demográfico respecto al social data:
Hay distintos tipos de Social Data, según si es público o privado:
Con el Social Data vía Monitoring conseguimos un acceso libre y gratuito a la información, consiguiendo insights de forma inmediata, del todo ideal para gestión de marca así como con la atención al cliente. Pero tiene su limitación en el volumen de información pública en las redes sociales se va reduciendo, con lo que el resultado obtenido puede ser sesgado o deformado de la realidad.
Y ¿cómo captamos el Social Data?
El social login es la pieza clave para acceder a la información personalizada de cada usuario en las redes sociales
A continuación el ejemplo de cómo explotamos el Social Data con una Cadena Hotelera:
A continuación el ejemplo de Planeta de Libros:
En Social Data también hay que saber gestionar el gran volumen de datos para conseguir utilizarlos para tener un impactor real en el negocio.
¿Qué es el Social Data?
La definición de Social Data: Toda aquella información que podemos obtener de los usuarios en su interacción dentro de las redes sociales. El social data aporta una capa de conocimiento específica y diferencias de otras fuentes de datos
A continuación podemos ver en qué es diferencial el Social Data y como con un ejemplo se puede diferenciar entre el dato socio-demográfico respecto al social data:
Hay distintos tipos de Social Data, según si es público o privado:
Con el Social Data vía Monitoring conseguimos un acceso libre y gratuito a la información, consiguiendo insights de forma inmediata, del todo ideal para gestión de marca así como con la atención al cliente. Pero tiene su limitación en el volumen de información pública en las redes sociales se va reduciendo, con lo que el resultado obtenido puede ser sesgado o deformado de la realidad.
Y ¿cómo captamos el Social Data?
El social login es la pieza clave para acceder a la información personalizada de cada usuario en las redes sociales
A continuación el ejemplo de cómo explotamos el Social Data con una Cadena Hotelera:
A continuación el ejemplo de Planeta de Libros:
domingo, marzo 25, 2018
Big Data Congress - Keynote speaker - Strategy & deployment: Building Around Data
Quizás la mejor conferencia del Big Data Congress 2017 que se realizó en Barcelona el pasado mes de Octubre de 2017 la realizó Marco Bressan, Chief Data Scientist de Satellogic, titulada Building Around Data
Qué se puede construir alrededor de datos? En primer lugar equipos, y a partir de allí productos, y al final una cultura alrededor de datos.
Su primera experiencia fue anterior del Big Data, y consistió en diseñar el parking en la ciudad de Los Angeles, para que los coches tardaran menos tiempo en estacionar. Un 32% del tráfico era de coches buscando donde aparcar. Y lo solucionaron con un sistema de precios dinámicos
Cualquier producto de datos necesita economistas, diseñadores de servicios, diseñadores de experiencia... y es que cualquier producto lo va a utilizar personas. Así que cualquier industria aunque sea lo más tradicional gira entorno a los datos.
Cuando una empresa decide poner el dato en el centro, puede ocurrir lo de Netflix. Salió en 2002 en bolsa, y en 2007 decidió que toda su estrategia iría en los datos de consumo, y así pudo tomar decisiones correctas. Hoy día en las horas picos 1/3 de todo el tráfico de Internet es contenido de Netflix.
Actualmente Netflix tiene un valor en bolsa tres veces mayor que el del banco BBVA.
Hay que entender los usos de los datos en una organización:
Lo más importante del uso del datos es conseguir la automatización de la toma de decisiones en base a los datos.
Al final lo que se pretende es mejorar la experiencia del cliente, por ejemplo como hace Netflix eliminando la negociación que antes era manual para decidir en qué codec y con qué ancho de banda se va a emitir la película en streaming en cada uno de los dispositivos.
Building Around Data:
Un banco o una entidad tipo Visa o Mastercard tiene información de los pagos con tarjeta que realizan cada día sus usuarios. Pero hasta hace bien poco, en 2011 en BBVA nadie sabía qué hacer con estos datos. Una persona del MIT pudo ver que había una geolocatlización de los datos en cada uno de los pagos. De esta forma se podía segmentar a los clientes en base a su uso diario.
Este último gráfico que también es de 2011, muestra el número de transacciones en 3 meses a lo largo del Passeig de Gràcia de Barcelona. Cada color es un sector. En ese momento había una tienda que se comía un 15% de todas las transacciones de la calle más comercial de Barcelona. Pero el 40% de los clientes que van a esa tienda, compran antes o después en las otras de la misma calle. Así que es muy positiva. Pero también hay otras tiendas que son agujeros negros, porque sus usuarios no consumen en ninguna otra tienda.
La mayoría de avances en Inteligencia Artificial durante estos años han sido permitidos mediante los avances de proceso, pero los algoritmos ya existían. Pero las empresas desconocen en qué algoritmos no pueden fallar.
Data enables Algorithms:
Un banco no puede fallar en los algoritmos de riesgos de sus clientes cuando dan un préstamos, Kayak en precios futuros de vuelos...
Él está trabajando en un proyecto para que el tractor puede tomar decisiones automatizadas en base a los datos para sacar el máximo de productividad de la tierra.
Este es el funnel de desarrollo de producto de Netflix, siempre el dato está en el centro:
En Netflix empezaron con los datos explícitos del nombre de la película o la serie, y la valoración en estrellitas que daban los usuarios. Pero luego fueron a los datos implícitos viendo qué series veía la gente y cuando y hasta qué episodio llegaban a ver.
En definitiva, Data-Driven Culture:
Qué se puede construir alrededor de datos? En primer lugar equipos, y a partir de allí productos, y al final una cultura alrededor de datos.
Su primera experiencia fue anterior del Big Data, y consistió en diseñar el parking en la ciudad de Los Angeles, para que los coches tardaran menos tiempo en estacionar. Un 32% del tráfico era de coches buscando donde aparcar. Y lo solucionaron con un sistema de precios dinámicos
Cualquier producto de datos necesita economistas, diseñadores de servicios, diseñadores de experiencia... y es que cualquier producto lo va a utilizar personas. Así que cualquier industria aunque sea lo más tradicional gira entorno a los datos.
Cuando una empresa decide poner el dato en el centro, puede ocurrir lo de Netflix. Salió en 2002 en bolsa, y en 2007 decidió que toda su estrategia iría en los datos de consumo, y así pudo tomar decisiones correctas. Hoy día en las horas picos 1/3 de todo el tráfico de Internet es contenido de Netflix.
Actualmente Netflix tiene un valor en bolsa tres veces mayor que el del banco BBVA.
Hay que entender los usos de los datos en una organización:
Lo más importante del uso del datos es conseguir la automatización de la toma de decisiones en base a los datos.
Al final lo que se pretende es mejorar la experiencia del cliente, por ejemplo como hace Netflix eliminando la negociación que antes era manual para decidir en qué codec y con qué ancho de banda se va a emitir la película en streaming en cada uno de los dispositivos.
Building Around Data:
- Enabling for Data
- Building the Business
- Building the Culture
Data is not only about:
- Better models
- Better reporting & dashboard
- Better campaigns
Un banco o una entidad tipo Visa o Mastercard tiene información de los pagos con tarjeta que realizan cada día sus usuarios. Pero hasta hace bien poco, en 2011 en BBVA nadie sabía qué hacer con estos datos. Una persona del MIT pudo ver que había una geolocatlización de los datos en cada uno de los pagos. De esta forma se podía segmentar a los clientes en base a su uso diario.
Este último gráfico que también es de 2011, muestra el número de transacciones en 3 meses a lo largo del Passeig de Gràcia de Barcelona. Cada color es un sector. En ese momento había una tienda que se comía un 15% de todas las transacciones de la calle más comercial de Barcelona. Pero el 40% de los clientes que van a esa tienda, compran antes o después en las otras de la misma calle. Así que es muy positiva. Pero también hay otras tiendas que son agujeros negros, porque sus usuarios no consumen en ninguna otra tienda.
La mayoría de avances en Inteligencia Artificial durante estos años han sido permitidos mediante los avances de proceso, pero los algoritmos ya existían. Pero las empresas desconocen en qué algoritmos no pueden fallar.
Data enables Algorithms:
Un banco no puede fallar en los algoritmos de riesgos de sus clientes cuando dan un préstamos, Kayak en precios futuros de vuelos...
Él está trabajando en un proyecto para que el tractor puede tomar decisiones automatizadas en base a los datos para sacar el máximo de productividad de la tierra.
Este es el funnel de desarrollo de producto de Netflix, siempre el dato está en el centro:
En Netflix empezaron con los datos explícitos del nombre de la película o la serie, y la valoración en estrellitas que daban los usuarios. Pero luego fueron a los datos implícitos viendo qué series veía la gente y cuando y hasta qué episodio llegaban a ver.
En definitiva, Data-Driven Culture:
- Democratización del dato (entender qué datos tienen)
- Data Science culture: Generar la cultura de Data Science
- Known your questions: no pueden ser más de 5 preguntas
- Action-driving dashboards
- Automate decision making
sábado, marzo 24, 2018
TED: Why you should define your fears instead of your goals (by Tim Ferriss)
Este sábado os traigo a continuación una interesante charla de Tim Ferriss titulada "¿Por qué deberías definir tus miedos en lugar de tus metas?" o Why you should define your fears instead of your goals
Ya sé que es repetida, pero no quiero que dejáis de verla...
Why you should define your fears instead of your goals | Tim Ferriss
The hard choices -- what we most fear doing, asking, saying -- are very often exactly what we need to do. How can we overcome self-paralysis and take action? Tim Ferriss encourages us to fully envision and write down our fears in detail, in a simple but powerful exercise he calls "fear-setting." Learn more about how this practice can help you thrive in high-stress environments and separate what you can control from what you cannot.
The TED Talks channel features the best talks and performances from the TED Conference, where the world's leading thinkers and doers give the talk of their lives in 18 minutes (or less). Look for talks on Technology, Entertainment and Design -- plus science, business, global issues, the arts and more.
Ya sé que es repetida, pero no quiero que dejáis de verla...
Why you should define your fears instead of your goals | Tim Ferriss
The hard choices -- what we most fear doing, asking, saying -- are very often exactly what we need to do. How can we overcome self-paralysis and take action? Tim Ferriss encourages us to fully envision and write down our fears in detail, in a simple but powerful exercise he calls "fear-setting." Learn more about how this practice can help you thrive in high-stress environments and separate what you can control from what you cannot.
The TED Talks channel features the best talks and performances from the TED Conference, where the world's leading thinkers and doers give the talk of their lives in 18 minutes (or less). Look for talks on Technology, Entertainment and Design -- plus science, business, global issues, the arts and more.
viernes, marzo 23, 2018
La mejor canción de Oasis: Supersonic
Hoy viernes os propongo la que es quizás la mejor canción de Oasis... SUPERSONIC
Oasis - Supersonic (by OasisVEVO)
Music video by Oasis performing Supersonic. (c) 2005 Sony BMG Music Entertainment (UK) Limited
Join Oasis online:
Website: http://www.oasisinet.com
Official store: http://shop.oasisinet.com
Facebook: http://www.facebook.com/oasisofficial
Twitter: http://www.twitter.com/oasis
Stream: http://smarturl.it/abdhlg
Best of Oasis: https://goo.gl/21jdTL
Subscribe here: https://goo.gl/Qe9vk4
Oasis - Supersonic (by OasisVEVO)
Music video by Oasis performing Supersonic. (c) 2005 Sony BMG Music Entertainment (UK) Limited
Join Oasis online:
Website: http://www.oasisinet.com
Official store: http://shop.oasisinet.com
Facebook: http://www.facebook.com/oasisofficial
Twitter: http://www.twitter.com/oasis
Stream: http://smarturl.it/abdhlg
Best of Oasis: https://goo.gl/21jdTL
Subscribe here: https://goo.gl/Qe9vk4
jueves, marzo 22, 2018
Big Data Congress: Folksonomy
Otra de las conferencias que se realizaron en el congreso de Big Data Barcelona 2017 fue la de Ismael Vallvé de Bismart titulada Folksonomy
Folksonomy
Turn #Chaos into #Knowledge
En primer lugar quiso explicar cómo se llegó a construir la palabra Folksonomy, para luego dar comienzo al caso que les ocupaba:
Se trata de poder detectar precozmente los casos de accidente vascular celebral.
Y allí se explicaron algunos casos:
Pero el problema es que normalmente tenemos el 95% de la información de forma no estructurada, lo que dificulta enormemente poder gestionar los datos en Big Data
Diferencia entre datos estructurados y no estructurados:
Por último se explicó el caso de estudio conjuntamente con el Institut Català de la Salut
Folksonomy
Turn #Chaos into #Knowledge
En primer lugar quiso explicar cómo se llegó a construir la palabra Folksonomy, para luego dar comienzo al caso que les ocupaba:
Se trata de poder detectar precozmente los casos de accidente vascular celebral.
Y allí se explicaron algunos casos:
Pero el problema es que normalmente tenemos el 95% de la información de forma no estructurada, lo que dificulta enormemente poder gestionar los datos en Big Data
Diferencia entre datos estructurados y no estructurados:
Por último se explicó el caso de estudio conjuntamente con el Institut Català de la Salut
Suscribirse a:
Entradas (Atom)