SlideShare a Scribd company logo
1 of 60
Download to read offline
Sistemas de Información Avanzados (Comercio electrónico)
          Máster de estudios avanzados en dirección de empresas



Innovación en el tratamiento de la información desde la
             Ingeniería del Conocimiento
                       Parte (I)




                            Joaquín Borrego Díaz
    Grupo Lógica, Computación e Ingeniería del Conocimiento PAIDI TIC-137
      Departamento de Ciencias de la Computación e Inteligencia Artificial
                      jborrego@us.es, Twitter:jborrego
Preliminares
  •   ¿Cuándo innovar?                       Contenido
  •   Información en Internet y en la
      Web 2.0
                                           Parte III: Casos de estudio de
  •   Big data                             tratamiento de la información
      •   Big data como evidencia de un
                                            •   Caso I: Minería de opiniones y
          sistema complejo
                                                sentimientos
  •   Open data y Linked data. Proyectos
                                            •   Caso II: Predicción bajo
Parte I: Modelos de negocio basados en          racionalidad acotada
información
  •   Freenomics versus data                •   Caso III: Complejidad económica
  •   Nuevo modelo de negocio: big data
      trading & processing
                                            •   Caso IV: Interoperabilidad
                                                Semántica para la empresa
      •   Ejemplos
                                            •   Caso V: Informática urbana.
Parte II: Minería de conocimiento               SmartCities

  •   Análisis Formal de Conceptos          •   Caso VI: Servicios en movilidad
  •   Servicios de etiquetado                   basados en conocimiento
Innovación
La ciencia es el pilar del
desarrollo tecnológico y de
la innovación...
...Y la ciencia se basa en la
teoría, en la investigación

      • Innovación:
       • Aplicación de nuevos resultados
       • Adopción de nuevas tecnologías
      • I+D+i
¿Cuándo innovar?




Arriesgada, pero de alto valor si tiene éxito
Ideal, pero conocida por muchos
Segura, pero mucha competencia
(Gartner, 1995)
Curva de Gartner (2006)
Curva en el 2008
Curva en el 2010

¡!
∫




¡!
         e
      em ion
    tr at ?
  Ex m ing
 ¿ r
   fo cess
 in o
   pr
Información en Internet




http://www.good.is/post/the-world-of-data-we-re-creating-on-the-internet/
¿Dónde fluye esa información?
Libre de escala,
mundo pequeño
Flujos de
   información


Web 1.0, Web 2.0 y
 Semantic Web
•   Everyday, we create 2.5 quintillion bytes of
  Big Data                      data–so much that 90% of the data in the
                                world today has been created in the last
                                two years alone. This data comes from
                                everywhere:
Tratamiento y análisis de
enormes                         •    from sensors used to gather climate
                                     information,
repositorios de datos
que resulta imposible           •    posts to social media sites,

tratarlos con las               •    digital pictures and videos posted
                                     online,
herramientas de
bases de datos y                •    transaction records of online purchases,
analíticas                      •    from cell phone GPS signals
convencionales                  •    etc.
                            •       This data is big data.

    http://www-01.ibm.com/software/data/bigdata/
Implicaciones
   (World Economic Forum 2012)

                     •   Can human behaviour be understood,
                         predicted and controlled?
                     •   The advent of “big data” – enormous datasets
                         now being harvested from records from
                         websites (including social media sites), mobile
                         phones, GPSs and banking transactions are
                         giving physicists, social scientists and
                         complex system experts powerful new
                         tools to understand and predict human
                         behaviour.
                     •   This development likely will have
                         profound impacts on politics,
                         marketing, infrastructure design and
                         many other spheres.

http://www.weforum.org/sessions/summary/human-network-dynamics
Problemas
• Privacidad
• Datos pueden estar
    distorsionados
•   Potencian el aprendizaje
    automático
•   Extraer comportamientos
    personales
• Identificación
http://www.technologyreview.com/printer_friendly_article.aspx?id=38775
Six Provocations for Big Data
      (Boyd & Crawford, 2011)
             http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1926431




• Automating Research Changes the Definition of
  Knowledge
• Claims to Objectivity and Accuracy are Misleading
• Bigger Data are Not Always Better Data
• Not All Data Are Equivalent
• Just Because it is Accessible Doesn’t Make it Ethical
• Limited Access to Big Data Creates New Digital
  Divides
Big data como evidencia
de un sistema complejo
Sistemas complejos
•   “...there is no universally accepted definition of a
    complex system. Most researchers would describe a
    system of connected agents that exhibits an
    emergent global behavior not imposed by a
    central controller, but resulting from the
    interactions between the agents.”
    •   N. Boccara, Modeling Complex Systems
•   Colonias de animales (hormigueros), redes sociales, ciudades,
    Internet, sistemas políticos, sociedades humanas, mercados
    financieros, ecosistemas, etc.
•   Multidisciplinariedad en el tratamiento de la
    información disponible
•   EMERGENCIA
Niveles de organización
•   In general terms, a “complex system” is any system
    comprised of a great number of heterogeneous entities,
    where local interactions among entities create multiple
    levels of collective structure and organization.
•   The specificity of complex systems, generally
    underinvestigated or simply not addressed by traditional
    science, resides in the emergence of non-trivial
    superstructures that often dominate the
    system’s behavior and cannot be easily traced
    back to the properties of the constituent
    entities.

    http://www.assystcomplexity.eu/db/assyst/ASSYST_roadmap2009_2.pdf
Comportamiento racional (humano)
              ante la información
•   Comportamiento humano ante la falta o exceso de información
    (infoxicación)
•   Colectivo: Trust-based computing
•   Individual: Racionalidad acotada
    •   Heurística de reconocimiento
    •   Fast & frugal methods
•   Razonamiento no monótono
•   Otro método: Reglas de asociación
    •   Reglas generales que no son 100% válidas
    •   Razonamiento deductivo basado confianza
•   Representación y razonamiento visual
Sistemas complejos,
observaciones (big data) y
 razonamiento con AFC
Open Data
         •   Poner a disposición pública datos de instituciones, organizaciones,
             etc.
             •   Privacidad, protección de datos
         •   No descarga de bases de datos. Consulta en forma de APIs
         •   Construcción de Mashups

                                 Tecnologías
                                   para la
                                transparencia
•   Data visualisation and navigation
•   Data collection
•   Connecting and engaging citizens
    via social media networks
•   Going mobile
•   Traditional media
                              http://www.transparency-initiative.org/reports/global-mapping-of-technology-for-transparency-and-accountability


                                                    http://es.scribd.com/doc/61030999/Open-data-study-New-technologies
Públicos, privados

                                  Transparencia
                                   Institucional




Estandarización
 de formatos

                  Transparencia
                   corporativa
Múltiples iniciativas
    Open Data
Common Crawl
 • Common Crawl is a non-profit
   foundation dedicated to building and
   maintaining an open crawl of the
   web, thereby enabling a new wave
   of innovation, education and
   research.
Linked Data
•   Los Datos Enlazados es la forma
    que tiene la Web Semántica de
    vincular los distintos datos que están   BBC:
    distribuidos en la Web                   BBC music
                                             BBC programs
•   “Linked data: datos sin ontologías”      BBC WildLife Finder
•   Los datos enlazan cosas arbitrarias
    que se describen en RDF.
•   Se vinculan a recursos de otros
    sitios de la WWW
•   Se calcula combinando/agregando
    datos enlazados de distintos
    recursos
•   Se ponen a disposición de la
    comunidad los resultados
•   Open Linked Data
Linked Data Canalización débil del conocimiento
                          •   Proponer semantizaciones
                              débiles en forma de
                              clientes para proyectos
                              existentes

                          •   Linked data versus open
                              data

                          • Sistemas para
                              extraer conocimiento
                              de la empresa


Ejemplo:
Empresa farmacéutica
Ejemplos de proyectos
   aprobados sobre
    linked/open data
  Ejemplos de potencial innovación
Sistemas
   semánticos;
    captura y
 explotación de
       los
 conocimientos
incorporados a
contenidos web
  y multimedia
Sistemas semánticos; captura y explotación de los
conocimientos incorporados a los contenidos web
Nuevas formas
 de procesos
empresariales
cooperativos
   en red y
  dinámicos


                Gestión inteligente
                del conocimiento
                  en la empresa
Accesibilidad y utilización a lo largo del tiempo de
recursos y bienes culturales y científicos digitales con
   inclusión de lo que afecta al patrimonio cultural.
Parte I: Modelos de negocio
     basados en información




         i cs
    n om
  ee
Fr
Innovación en el tratamiento de la información desde la  Ingeniería del Conocimiento Parte (I)
Innovación en el tratamiento de la información desde la  Ingeniería del Conocimiento Parte (I)
Nuevo modelo de
          negocio:
big data trading
    & processing
Ejemplo I
Ejemplo II
•   Mensajería gratuita entre smartphones
    •   Muerte del SMS
•   Es una empresa con muy pocos gastos y un potencial de venta muy grande
    •   Valoración actual altísima
•   ¿Modelo de negocio?
    •   Es propiedad de WhatsApp:
        •   Creación de una gran base de datos de mensajes (marca temporal). No
            borrable desde el terminal
        •   Red social (contactos)
        •   Geolocalización de los mensajes (si está activado)
        •   Diferencia con Facebook: la comunicación por WhatsApp es ubicua y
            apremiante
    •   Puede vender datos
    •   Puede contextualizar publicidad
    •   Ahora está en fase de crear la necesidad
•   ¿Cuánto vale WhatsApp?
Ejemplo III: Open Graph
Buzz de empresas y Big Data
Movimientos/visibilidad:
         compra de empresas en el universo Big Data




http://ge.geglobalresearch.com/blog/the-birds-eye-view-of-big-data/
Parte II:
   Minería de
conocimiento
Análisis Formal de
      Conceptos
Extracción automatizada de jerarquías de conceptos a
                  partir de datos
Cuestión: Extraer automáticamente
        conceptualizaciones a partir de datos
•   Problema: Cómo obtener, a                                    Fluvial   Litoral   Océano
    partir de observaciones, una                   Carpa           X
    primera ontología (conceptos y
    relaciones entre los conceptos)
                                                 Escatófagus       X         X
                                                   Sargo                     X         X
•   Ejemplo: Estudiar propiedades                 Dorada                     X         X
    de los peces carpa, escatófagus,
    sargo, dorada y anguila                       Anguila          X         X         X

                  •   Contexto formal (O,A,I):
                                                           • O={c,e,s,d,a}
                      •   Un conjunto O de objetos
                                                           • A={fluvial, litoral, océano}
                      •   Un conjunto A de atributos
                                                           • I está representada en la tabla
                                                               (dos elementos relacionados
                      •   Una relación I entre
                                                               marcados con X)
                          objetos y atributos
Concepto:
                   Intención y extensión
•   Operación básica en contextos formales: derivación
    •   Si X conjunto de objetos, la intención de X es:
        •   X’={ a : oIa para todo o objeto del conjunto X}
        •   (los atributos comunes a todos los objetos de X)
    •   Si Y conjunto de atributos, la extensión de Y es:
        •   Y’={o : oIa para todo atributo del conjunto Y}
        •   (los objetos que tienen todos los atributos de Y)
•   En nuestro ejemplo:
    •   {fluvial, océano}’={anguila}
    •   {carpa, sargo}’ es el conjunto vacío
    •   {escatófagus, sargo}’={litoral}
Contención entre conceptos
•       Un par (X,Y) es un concepto si:
    •    X es un conjunto de objetos (la extensión del concepto)
    •    Y es un conjunto de atributos (la intensión del concepto)
    •    Y’=X y X’=Y
El retículo de los
    conceptos
Conceptos: dos puntos de
         vista
Ejemplo
          •   ({g,s,r,m,p},{N})
              [seres vivos]

          •   ({s,r,p},{N,A,M})
              [animales acuáticos]

          •   ({g,s,r,p},{N,M})
              [animales]

          •   ({g,r},{N,M,P})
              [anim. con patas]

          •   ({r},{N,A,M,P})
              [anfibios]
Aplicaciones
•   Bioinformática
•   Diseño de nuevos medicamentos
•   Data mining
•   Conceptualización de las búsquedas en la Web
•   Web Semántica móvil
•   Conciliación de conocimiento
•   Pronóstico de apuestas deportivas
Aplicación: Personalizando la WWW
Implicaciones entre atributos
 •   Objetivo: Obtener un conjunto de relaciones entre los
     objetos y/o atributos
 •   Utilizamos implicaciones entre atributos: Lógica de
     atributos
 •   Una implicación entre atributos es una expresión
     del tipo Y1→Y2
         •   donde Y1,Y2 ⊆A

     •   Y1→Y2 es válida en un contexto (O,A,I) si para
         todo o∈O, el conjunto {o}’ respeta la implicación
Bases de conocimiento




                                       •   Base de conocimiento para el ejemplo:
•   Un conjunto completo e                     •    ∅→{N}
    irredundante de implicaciones se
    denomina Base                              •    {N,A}→{M}
                                               •    {N,P}→{M}}
     •   Se puede obtener una base
         para un contexto dado
Extensiones del Análisis
 Formal de Conceptos
•   Dependencias funcionales entre
    atributos

•   Representaciones gráficas de los
    retículos

•   Comparaciones entre contextos

•   Contextos multivaluados

•   Retículos de tipo iceberg: análisis
    de conceptos con soporte
    suficientemente grande: conceptos
    (X,Y) con soporte

    •   |X|/|M|≥m para cierto m∈[0,1]
Especialización del AFC a etiquetados

• Opciones interesantes: Delicious, flickr, etc.
 • Objetos: lo que etiquetamos
 • Atributos: etiquetas
• Historial de búsqueda en un sitio
• Uso de recursos de la Web profunda
• Nuevos navegadores conceptuales
Aplicaciones en servicios de etiquetado

•   Extracción de ontologías (retículos de conceptos) de
    sistemas de etiquetación colaborativa
•   Aplicación intensiva de las ontologías sobre tags para tratar
    el conocimiento etiquetado con el AFC.
•   Extensión de la lógica de atributos (implicaciones) a
    lógicas más ricas.
•   Navegadores conceptuales
    •   Conciliación del conocimiento implícito en etiquetados
    •   Razonamiento automático en la navegación conceptual
•   Inteligencia Artificial para potenciar el razonamiento.
Conciliación
     del
conocimiento
Conciliación
Experimentos
                         de conciliación
                         automática en
                         Delicious


        Poseer
Atributos comunes es
      mejor que
objetos (urls) comunes
Sistemas de Información Avanzados (Comercio electrónico)
          Máster de estudios avanzados en dirección de empresas



Innovación en el tratamiento de la información desde la
             Ingeniería del Conocimiento
                    Fin de la parte I




                            Joaquín Borrego Díaz
    Grupo Lógica, Computación e Ingeniería del Conocimiento PAIDI TIC-137
      Departamento de Ciencias de la Computación e Inteligencia Artificial
                      jborrego@us.es, Twitter:jborrego

More Related Content

What's hot

Intro tics
Intro ticsIntro tics
Intro ticsIsmael44
 
Sociedad de la información y comunicación
Sociedad de la información y comunicaciónSociedad de la información y comunicación
Sociedad de la información y comunicaciónMaria tr
 
Sociedad de la información y comunicación
Sociedad de la información y comunicaciónSociedad de la información y comunicación
Sociedad de la información y comunicaciónAlejandro AD
 
Aplicación de TIC como estrategia efectiva en seguridad ciudadna
Aplicación de TIC como estrategia efectiva en seguridad ciudadna Aplicación de TIC como estrategia efectiva en seguridad ciudadna
Aplicación de TIC como estrategia efectiva en seguridad ciudadna William Henry Vegazo Muro
 
Herramientas y recursos tecnológicos para el Data Science
Herramientas y recursos tecnológicos para el Data ScienceHerramientas y recursos tecnológicos para el Data Science
Herramientas y recursos tecnológicos para el Data ScienceRoman Herrera
 
Sistema De Informacion
Sistema De InformacionSistema De Informacion
Sistema De Informacionguest10e90
 
Las tics, la internet y el estado del arte
Las tics, la internet y el estado del arteLas tics, la internet y el estado del arte
Las tics, la internet y el estado del arteCaro Factos
 
Seguridad informática
Seguridad informáticaSeguridad informática
Seguridad informáticaAndii Albornoz
 
Ange diaposi ubuntu k
Ange diaposi ubuntu kAnge diaposi ubuntu k
Ange diaposi ubuntu kskyblue27
 
Sociedad informacion
Sociedad informacionSociedad informacion
Sociedad informacionmarlenylopera
 
Arquitectura de la información y Recuperación de Información
Arquitectura de la información y Recuperación de InformaciónArquitectura de la información y Recuperación de Información
Arquitectura de la información y Recuperación de Informaciónisabelre
 
Presentacion 5. implicaciones éticas en torno al acceso y uso
Presentacion 5. implicaciones éticas en torno al acceso y usoPresentacion 5. implicaciones éticas en torno al acceso y uso
Presentacion 5. implicaciones éticas en torno al acceso y usoreyna cristina rojas salgado
 
Internet de las cosas (Lot)
Internet de las cosas (Lot)Internet de las cosas (Lot)
Internet de las cosas (Lot)Landagreeni
 
El lado obscuro de las tic’s (2)
El lado obscuro de las tic’s (2)El lado obscuro de las tic’s (2)
El lado obscuro de las tic’s (2)Dra. Myrna García
 
Presentacion 4.aspectos lgales y eticos de la seguridad informatica
Presentacion 4.aspectos lgales y eticos de la seguridad informaticaPresentacion 4.aspectos lgales y eticos de la seguridad informatica
Presentacion 4.aspectos lgales y eticos de la seguridad informaticareyna cristina rojas salgado
 

What's hot (20)

Tisg wnew
Tisg wnewTisg wnew
Tisg wnew
 
Tarea internet of thigs
Tarea internet of thigsTarea internet of thigs
Tarea internet of thigs
 
Métodos de evaluación publicidad online - clase 2-4
Métodos de evaluación   publicidad online - clase 2-4Métodos de evaluación   publicidad online - clase 2-4
Métodos de evaluación publicidad online - clase 2-4
 
Intro tics
Intro ticsIntro tics
Intro tics
 
Sociedad de la información y comunicación
Sociedad de la información y comunicaciónSociedad de la información y comunicación
Sociedad de la información y comunicación
 
Sociedad de la información y comunicación
Sociedad de la información y comunicaciónSociedad de la información y comunicación
Sociedad de la información y comunicación
 
Examen final
Examen finalExamen final
Examen final
 
Aplicación de TIC como estrategia efectiva en seguridad ciudadna
Aplicación de TIC como estrategia efectiva en seguridad ciudadna Aplicación de TIC como estrategia efectiva en seguridad ciudadna
Aplicación de TIC como estrategia efectiva en seguridad ciudadna
 
Herramientas y recursos tecnológicos para el Data Science
Herramientas y recursos tecnológicos para el Data ScienceHerramientas y recursos tecnológicos para el Data Science
Herramientas y recursos tecnológicos para el Data Science
 
Sistema De Informacion
Sistema De InformacionSistema De Informacion
Sistema De Informacion
 
Dispositiva Informatica Apoyo Didactico
Dispositiva Informatica Apoyo DidacticoDispositiva Informatica Apoyo Didactico
Dispositiva Informatica Apoyo Didactico
 
Las tics, la internet y el estado del arte
Las tics, la internet y el estado del arteLas tics, la internet y el estado del arte
Las tics, la internet y el estado del arte
 
Seguridad informática
Seguridad informáticaSeguridad informática
Seguridad informática
 
Ange diaposi ubuntu k
Ange diaposi ubuntu kAnge diaposi ubuntu k
Ange diaposi ubuntu k
 
Sociedad informacion
Sociedad informacionSociedad informacion
Sociedad informacion
 
Arquitectura de la información y Recuperación de Información
Arquitectura de la información y Recuperación de InformaciónArquitectura de la información y Recuperación de Información
Arquitectura de la información y Recuperación de Información
 
Presentacion 5. implicaciones éticas en torno al acceso y uso
Presentacion 5. implicaciones éticas en torno al acceso y usoPresentacion 5. implicaciones éticas en torno al acceso y uso
Presentacion 5. implicaciones éticas en torno al acceso y uso
 
Internet de las cosas (Lot)
Internet de las cosas (Lot)Internet de las cosas (Lot)
Internet de las cosas (Lot)
 
El lado obscuro de las tic’s (2)
El lado obscuro de las tic’s (2)El lado obscuro de las tic’s (2)
El lado obscuro de las tic’s (2)
 
Presentacion 4.aspectos lgales y eticos de la seguridad informatica
Presentacion 4.aspectos lgales y eticos de la seguridad informaticaPresentacion 4.aspectos lgales y eticos de la seguridad informatica
Presentacion 4.aspectos lgales y eticos de la seguridad informatica
 

Similar to Innovación en el tratamiento de la información desde la Ingeniería del Conocimiento Parte (I)

Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...Joaquín Borrego-Díaz
 
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdfUNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdflaubritez2001
 
01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptx01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptxJuanCarlosRomanPerez1
 
Sistemas inteligentes y la ciencia del dato (I)
Sistemas inteligentes y la ciencia del dato (I)Sistemas inteligentes y la ciencia del dato (I)
Sistemas inteligentes y la ciencia del dato (I)Joaquín Borrego-Díaz
 
introduccion-al-analisis-de-datos--------
introduccion-al-analisis-de-datos--------introduccion-al-analisis-de-datos--------
introduccion-al-analisis-de-datos--------RubnGarcs2
 
Aplicaciones Difusas: Evolución de las Bases de Datos
Aplicaciones Difusas: Evolución de las Bases de DatosAplicaciones Difusas: Evolución de las Bases de Datos
Aplicaciones Difusas: Evolución de las Bases de DatosLuis Fernando Aguas Bucheli
 
Big-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxBig-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxJavierNavarrete43
 
INTERNET: Retos y Oportunidades en los Archivos
INTERNET:Retos y Oportunidades en los ArchivosINTERNET:Retos y Oportunidades en los Archivos
INTERNET: Retos y Oportunidades en los ArchivosKarla Arosemena
 
Sistemas inteligentes y la ciencia del dato (y II)
Sistemas inteligentes y la ciencia del dato (y II)Sistemas inteligentes y la ciencia del dato (y II)
Sistemas inteligentes y la ciencia del dato (y II)Joaquín Borrego-Díaz
 
Ponencia B2C Antonio Alonso. Big Data. Nuevas oportunidades de empleo
Ponencia B2C  Antonio Alonso. Big Data. Nuevas oportunidades de empleoPonencia B2C  Antonio Alonso. Big Data. Nuevas oportunidades de empleo
Ponencia B2C Antonio Alonso. Big Data. Nuevas oportunidades de empleoCICE
 
Conceptos en Ciencia de Datos
Conceptos en Ciencia de DatosConceptos en Ciencia de Datos
Conceptos en Ciencia de DatosLuisAzofeifa6
 
Developing Stories for Data Analytics - Semana 2
Developing Stories for Data Analytics - Semana 2Developing Stories for Data Analytics - Semana 2
Developing Stories for Data Analytics - Semana 2Francisco Pesante
 
Big data con SQL Server 2014
Big data con SQL Server 2014Big data con SQL Server 2014
Big data con SQL Server 2014Eduardo Castro
 

Similar to Innovación en el tratamiento de la información desde la Ingeniería del Conocimiento Parte (I) (20)

Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
 
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdfUNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
UNLZ - Sistemas de Informacion - Unidad 4 - Big Data.pdf
 
01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptx01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptx
 
Sistemas inteligentes y la ciencia del dato (I)
Sistemas inteligentes y la ciencia del dato (I)Sistemas inteligentes y la ciencia del dato (I)
Sistemas inteligentes y la ciencia del dato (I)
 
introduccion-al-analisis-de-datos--------
introduccion-al-analisis-de-datos--------introduccion-al-analisis-de-datos--------
introduccion-al-analisis-de-datos--------
 
Aplicaciones Difusas: Evolución de las Bases de Datos
Aplicaciones Difusas: Evolución de las Bases de DatosAplicaciones Difusas: Evolución de las Bases de Datos
Aplicaciones Difusas: Evolución de las Bases de Datos
 
BigData.pptx
BigData.pptxBigData.pptx
BigData.pptx
 
BigData.pptx
BigData.pptxBigData.pptx
BigData.pptx
 
Big-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxBig-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptx
 
INTERNET: Retos y Oportunidades en los Archivos
INTERNET:Retos y Oportunidades en los ArchivosINTERNET:Retos y Oportunidades en los Archivos
INTERNET: Retos y Oportunidades en los Archivos
 
Sistemas inteligentes y la ciencia del dato (y II)
Sistemas inteligentes y la ciencia del dato (y II)Sistemas inteligentes y la ciencia del dato (y II)
Sistemas inteligentes y la ciencia del dato (y II)
 
Ponencia B2C Antonio Alonso. Big Data. Nuevas oportunidades de empleo
Ponencia B2C  Antonio Alonso. Big Data. Nuevas oportunidades de empleoPonencia B2C  Antonio Alonso. Big Data. Nuevas oportunidades de empleo
Ponencia B2C Antonio Alonso. Big Data. Nuevas oportunidades de empleo
 
Conceptos en Ciencia de Datos
Conceptos en Ciencia de DatosConceptos en Ciencia de Datos
Conceptos en Ciencia de Datos
 
Developing Stories for Data Analytics - Semana 2
Developing Stories for Data Analytics - Semana 2Developing Stories for Data Analytics - Semana 2
Developing Stories for Data Analytics - Semana 2
 
Business intelligence y Big Data en la ciudad
Business intelligence y Big Data en la ciudadBusiness intelligence y Big Data en la ciudad
Business intelligence y Big Data en la ciudad
 
Historia y Evolucion.pptx
Historia y Evolucion.pptxHistoria y Evolucion.pptx
Historia y Evolucion.pptx
 
Big data
Big dataBig data
Big data
 
Big data
Big dataBig data
Big data
 
Trabajo de-big-data
Trabajo de-big-dataTrabajo de-big-data
Trabajo de-big-data
 
Big data con SQL Server 2014
Big data con SQL Server 2014Big data con SQL Server 2014
Big data con SQL Server 2014
 

More from Joaquín Borrego-Díaz

Retos en los fundamentos de Data Science
Retos en los fundamentos de Data ScienceRetos en los fundamentos de Data Science
Retos en los fundamentos de Data ScienceJoaquín Borrego-Díaz
 
Comercio electrónico móvil: comprar por una app. Parte II
Comercio electrónico móvil: comprar por una app. Parte IIComercio electrónico móvil: comprar por una app. Parte II
Comercio electrónico móvil: comprar por una app. Parte IIJoaquín Borrego-Díaz
 
Comercio electrónico móvil: comprar por una app. Parte I
Comercio electrónico móvil: comprar por una app. Parte IComercio electrónico móvil: comprar por una app. Parte I
Comercio electrónico móvil: comprar por una app. Parte IJoaquín Borrego-Díaz
 
Introducción al modelado multiagente en FORMA 14
Introducción al modelado multiagente en FORMA 14Introducción al modelado multiagente en FORMA 14
Introducción al modelado multiagente en FORMA 14Joaquín Borrego-Díaz
 
La perversión de Bolonia. Gestión de la Calidad, Calidad y Excelencia: Tres c...
La perversión de Bolonia. Gestión de la Calidad, Calidad y Excelencia: Tres c...La perversión de Bolonia. Gestión de la Calidad, Calidad y Excelencia: Tres c...
La perversión de Bolonia. Gestión de la Calidad, Calidad y Excelencia: Tres c...Joaquín Borrego-Díaz
 
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...Joaquín Borrego-Díaz
 
Innovación en el tratamiento de la información desde la Ingeniería del Conoc...
Innovación en el tratamiento de la información desde la  Ingeniería del Conoc...Innovación en el tratamiento de la información desde la  Ingeniería del Conoc...
Innovación en el tratamiento de la información desde la Ingeniería del Conoc...Joaquín Borrego-Díaz
 
Oportunidades para la economía basada en la Ingeniería del Conocimiento en In...
Oportunidades para la economía basada en la Ingeniería del Conocimiento en In...Oportunidades para la economía basada en la Ingeniería del Conocimiento en In...
Oportunidades para la economía basada en la Ingeniería del Conocimiento en In...Joaquín Borrego-Díaz
 
Presentacion de las III Jornadas de Lógica, Computación Inteligencia Artificial
Presentacion de las III Jornadas de Lógica, Computación Inteligencia ArtificialPresentacion de las III Jornadas de Lógica, Computación Inteligencia Artificial
Presentacion de las III Jornadas de Lógica, Computación Inteligencia ArtificialJoaquín Borrego-Díaz
 
Presentacion curso "Representación del conocimiento en la Web"
Presentacion curso "Representación del conocimiento en la Web"Presentacion curso "Representación del conocimiento en la Web"
Presentacion curso "Representación del conocimiento en la Web"Joaquín Borrego-Díaz
 
Presentacion lógica para la asignatura Lógica y Computabilidad
Presentacion lógica para la asignatura Lógica y ComputabilidadPresentacion lógica para la asignatura Lógica y Computabilidad
Presentacion lógica para la asignatura Lógica y ComputabilidadJoaquín Borrego-Díaz
 
Robocup: Inteligencia Artificial en sistemas multiagente y fútbol de simulación
Robocup: Inteligencia Artificial en sistemas multiagente y fútbol de simulaciónRobocup: Inteligencia Artificial en sistemas multiagente y fútbol de simulación
Robocup: Inteligencia Artificial en sistemas multiagente y fútbol de simulaciónJoaquín Borrego-Díaz
 
Presentacion Teoria de la computabilidad
Presentacion Teoria de la computabilidadPresentacion Teoria de la computabilidad
Presentacion Teoria de la computabilidadJoaquín Borrego-Díaz
 
Presentacion II jornadas de Lógica, Computación e Inteligencia Artificial
Presentacion II jornadas de Lógica, Computación e Inteligencia ArtificialPresentacion II jornadas de Lógica, Computación e Inteligencia Artificial
Presentacion II jornadas de Lógica, Computación e Inteligencia ArtificialJoaquín Borrego-Díaz
 
Web Semántica, MAS y redes sociales móviles: El proyecto Mowento
Web Semántica, MAS y redes sociales móviles: El proyecto MowentoWeb Semántica, MAS y redes sociales móviles: El proyecto Mowento
Web Semántica, MAS y redes sociales móviles: El proyecto MowentoJoaquín Borrego-Díaz
 
Inteligencia artificial y semántica del espacio (virtual)
Inteligencia artificial y semántica del espacio (virtual)Inteligencia artificial y semántica del espacio (virtual)
Inteligencia artificial y semántica del espacio (virtual)Joaquín Borrego-Díaz
 

More from Joaquín Borrego-Díaz (20)

Retos en los fundamentos de Data Science
Retos en los fundamentos de Data ScienceRetos en los fundamentos de Data Science
Retos en los fundamentos de Data Science
 
Comercio electrónico móvil: comprar por una app. Parte II
Comercio electrónico móvil: comprar por una app. Parte IIComercio electrónico móvil: comprar por una app. Parte II
Comercio electrónico móvil: comprar por una app. Parte II
 
Comercio electrónico móvil: comprar por una app. Parte I
Comercio electrónico móvil: comprar por una app. Parte IComercio electrónico móvil: comprar por una app. Parte I
Comercio electrónico móvil: comprar por una app. Parte I
 
Introducción al modelado multiagente en FORMA 14
Introducción al modelado multiagente en FORMA 14Introducción al modelado multiagente en FORMA 14
Introducción al modelado multiagente en FORMA 14
 
La perversión de Bolonia. Gestión de la Calidad, Calidad y Excelencia: Tres c...
La perversión de Bolonia. Gestión de la Calidad, Calidad y Excelencia: Tres c...La perversión de Bolonia. Gestión de la Calidad, Calidad y Excelencia: Tres c...
La perversión de Bolonia. Gestión de la Calidad, Calidad y Excelencia: Tres c...
 
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva ...
 
Tema 8
Tema 8Tema 8
Tema 8
 
Tema 1
Tema 1Tema 1
Tema 1
 
Innovación en el tratamiento de la información desde la Ingeniería del Conoc...
Innovación en el tratamiento de la información desde la  Ingeniería del Conoc...Innovación en el tratamiento de la información desde la  Ingeniería del Conoc...
Innovación en el tratamiento de la información desde la Ingeniería del Conoc...
 
Oportunidades para la economía basada en la Ingeniería del Conocimiento en In...
Oportunidades para la economía basada en la Ingeniería del Conocimiento en In...Oportunidades para la economía basada en la Ingeniería del Conocimiento en In...
Oportunidades para la economía basada en la Ingeniería del Conocimiento en In...
 
Presentacion de las III Jornadas de Lógica, Computación Inteligencia Artificial
Presentacion de las III Jornadas de Lógica, Computación Inteligencia ArtificialPresentacion de las III Jornadas de Lógica, Computación Inteligencia Artificial
Presentacion de las III Jornadas de Lógica, Computación Inteligencia Artificial
 
Presentacion tc 2010 11
Presentacion tc 2010 11Presentacion tc 2010 11
Presentacion tc 2010 11
 
Presentacion curso "Representación del conocimiento en la Web"
Presentacion curso "Representación del conocimiento en la Web"Presentacion curso "Representación del conocimiento en la Web"
Presentacion curso "Representación del conocimiento en la Web"
 
Presentacion lógica para la asignatura Lógica y Computabilidad
Presentacion lógica para la asignatura Lógica y ComputabilidadPresentacion lógica para la asignatura Lógica y Computabilidad
Presentacion lógica para la asignatura Lógica y Computabilidad
 
Robocup: Inteligencia Artificial en sistemas multiagente y fútbol de simulación
Robocup: Inteligencia Artificial en sistemas multiagente y fútbol de simulaciónRobocup: Inteligencia Artificial en sistemas multiagente y fútbol de simulación
Robocup: Inteligencia Artificial en sistemas multiagente y fútbol de simulación
 
Presentacion Teoria de la computabilidad
Presentacion Teoria de la computabilidadPresentacion Teoria de la computabilidad
Presentacion Teoria de la computabilidad
 
Presentacion II jornadas de Lógica, Computación e Inteligencia Artificial
Presentacion II jornadas de Lógica, Computación e Inteligencia ArtificialPresentacion II jornadas de Lógica, Computación e Inteligencia Artificial
Presentacion II jornadas de Lógica, Computación e Inteligencia Artificial
 
Presentación del curso de Agentes
Presentación del curso de AgentesPresentación del curso de Agentes
Presentación del curso de Agentes
 
Web Semántica, MAS y redes sociales móviles: El proyecto Mowento
Web Semántica, MAS y redes sociales móviles: El proyecto MowentoWeb Semántica, MAS y redes sociales móviles: El proyecto Mowento
Web Semántica, MAS y redes sociales móviles: El proyecto Mowento
 
Inteligencia artificial y semántica del espacio (virtual)
Inteligencia artificial y semántica del espacio (virtual)Inteligencia artificial y semántica del espacio (virtual)
Inteligencia artificial y semántica del espacio (virtual)
 

Recently uploaded

TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptxTECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptxFranciscoCruz296518
 
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdfceeabarcia
 
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdfAnna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdfSaraGabrielaPrezPonc
 
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdfdiana593621
 
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdfGUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdfNELLYKATTY
 
Presentación del tema: tecnología educativa
Presentación del tema: tecnología educativaPresentación del tema: tecnología educativa
Presentación del tema: tecnología educativaricardoruizaleman
 
la forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolarla forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolarCa Ut
 
Herbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxHerbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxArs Erótica
 
CARPETA PEDAGÓGICA 2024.docx para educacion
CARPETA PEDAGÓGICA 2024.docx para educacionCARPETA PEDAGÓGICA 2024.docx para educacion
CARPETA PEDAGÓGICA 2024.docx para educacionCarolVigo1
 
Tema 4 Rocas sedimentarias, características y clasificación
Tema 4 Rocas sedimentarias, características y clasificaciónTema 4 Rocas sedimentarias, características y clasificación
Tema 4 Rocas sedimentarias, características y clasificaciónIES Vicent Andres Estelles
 
Programación Anual 2024 - CIENCIAS SOCIALES.docx
Programación Anual 2024  - CIENCIAS SOCIALES.docxProgramación Anual 2024  - CIENCIAS SOCIALES.docx
Programación Anual 2024 - CIENCIAS SOCIALES.docxJhordanBenitesSanche1
 
5°-CARPETA PEDAGÓGICA 2024-MAESTRAS DE PRIMARIA PERÚ-978387435.doc
5°-CARPETA PEDAGÓGICA 2024-MAESTRAS DE PRIMARIA PERÚ-978387435.doc5°-CARPETA PEDAGÓGICA 2024-MAESTRAS DE PRIMARIA PERÚ-978387435.doc
5°-CARPETA PEDAGÓGICA 2024-MAESTRAS DE PRIMARIA PERÚ-978387435.docGLADYSPASTOR
 
ficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primariaficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primariamichel carlos Capillo Dominguez
 
Escrito administrativo técnico y comerciales
Escrito administrativo técnico y comercialesEscrito administrativo técnico y comerciales
Escrito administrativo técnico y comercialesmelanieteresacontrer
 
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didácticaLa poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didácticaIGNACIO BALLESTER PARDO
 
PPT Protocolo de desregulación emocional.pptx
PPT Protocolo de desregulación emocional.pptxPPT Protocolo de desregulación emocional.pptx
PPT Protocolo de desregulación emocional.pptxKarenSepulveda23
 
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTOCIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTOCEIP TIERRA DE PINARES
 
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...Unidad de Espiritualidad Eudista
 

Recently uploaded (20)

TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptxTECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
 
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
 
Sesión de clase ES: Adoración sin fin...
Sesión de clase ES: Adoración sin fin...Sesión de clase ES: Adoración sin fin...
Sesión de clase ES: Adoración sin fin...
 
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdfAnna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
 
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
 
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdfGUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
 
Presentación del tema: tecnología educativa
Presentación del tema: tecnología educativaPresentación del tema: tecnología educativa
Presentación del tema: tecnología educativa
 
la forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolarla forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolar
 
Herbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxHerbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptx
 
CARPETA PEDAGÓGICA 2024.docx para educacion
CARPETA PEDAGÓGICA 2024.docx para educacionCARPETA PEDAGÓGICA 2024.docx para educacion
CARPETA PEDAGÓGICA 2024.docx para educacion
 
Tema 4 Rocas sedimentarias, características y clasificación
Tema 4 Rocas sedimentarias, características y clasificaciónTema 4 Rocas sedimentarias, características y clasificación
Tema 4 Rocas sedimentarias, características y clasificación
 
Programación Anual 2024 - CIENCIAS SOCIALES.docx
Programación Anual 2024  - CIENCIAS SOCIALES.docxProgramación Anual 2024  - CIENCIAS SOCIALES.docx
Programación Anual 2024 - CIENCIAS SOCIALES.docx
 
5°-CARPETA PEDAGÓGICA 2024-MAESTRAS DE PRIMARIA PERÚ-978387435.doc
5°-CARPETA PEDAGÓGICA 2024-MAESTRAS DE PRIMARIA PERÚ-978387435.doc5°-CARPETA PEDAGÓGICA 2024-MAESTRAS DE PRIMARIA PERÚ-978387435.doc
5°-CARPETA PEDAGÓGICA 2024-MAESTRAS DE PRIMARIA PERÚ-978387435.doc
 
ficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primariaficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primaria
 
Escrito administrativo técnico y comerciales
Escrito administrativo técnico y comercialesEscrito administrativo técnico y comerciales
Escrito administrativo técnico y comerciales
 
Tema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdf
Tema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdfTema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdf
Tema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdf
 
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didácticaLa poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
 
PPT Protocolo de desregulación emocional.pptx
PPT Protocolo de desregulación emocional.pptxPPT Protocolo de desregulación emocional.pptx
PPT Protocolo de desregulación emocional.pptx
 
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTOCIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
 
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
 

Innovación en el tratamiento de la información desde la Ingeniería del Conocimiento Parte (I)

  • 1. Sistemas de Información Avanzados (Comercio electrónico) Máster de estudios avanzados en dirección de empresas Innovación en el tratamiento de la información desde la Ingeniería del Conocimiento Parte (I) Joaquín Borrego Díaz Grupo Lógica, Computación e Ingeniería del Conocimiento PAIDI TIC-137 Departamento de Ciencias de la Computación e Inteligencia Artificial jborrego@us.es, Twitter:jborrego
  • 2. Preliminares • ¿Cuándo innovar? Contenido • Información en Internet y en la Web 2.0 Parte III: Casos de estudio de • Big data tratamiento de la información • Big data como evidencia de un • Caso I: Minería de opiniones y sistema complejo sentimientos • Open data y Linked data. Proyectos • Caso II: Predicción bajo Parte I: Modelos de negocio basados en racionalidad acotada información • Freenomics versus data • Caso III: Complejidad económica • Nuevo modelo de negocio: big data trading & processing • Caso IV: Interoperabilidad Semántica para la empresa • Ejemplos • Caso V: Informática urbana. Parte II: Minería de conocimiento SmartCities • Análisis Formal de Conceptos • Caso VI: Servicios en movilidad • Servicios de etiquetado basados en conocimiento
  • 3. Innovación La ciencia es el pilar del desarrollo tecnológico y de la innovación... ...Y la ciencia se basa en la teoría, en la investigación • Innovación: • Aplicación de nuevos resultados • Adopción de nuevas tecnologías • I+D+i
  • 4. ¿Cuándo innovar? Arriesgada, pero de alto valor si tiene éxito Ideal, pero conocida por muchos Segura, pero mucha competencia
  • 7. Curva en el 2008
  • 8. Curva en el 2010 ¡!
  • 9. ∫ ¡! e em ion tr at ? Ex m ing ¿ r fo cess in o pr
  • 11. ¿Dónde fluye esa información? Libre de escala, mundo pequeño
  • 12. Flujos de información Web 1.0, Web 2.0 y Semantic Web
  • 13. Everyday, we create 2.5 quintillion bytes of Big Data data–so much that 90% of the data in the world today has been created in the last two years alone. This data comes from everywhere: Tratamiento y análisis de enormes • from sensors used to gather climate information, repositorios de datos que resulta imposible • posts to social media sites, tratarlos con las • digital pictures and videos posted online, herramientas de bases de datos y • transaction records of online purchases, analíticas • from cell phone GPS signals convencionales • etc. • This data is big data. http://www-01.ibm.com/software/data/bigdata/
  • 14. Implicaciones (World Economic Forum 2012) • Can human behaviour be understood, predicted and controlled? • The advent of “big data” – enormous datasets now being harvested from records from websites (including social media sites), mobile phones, GPSs and banking transactions are giving physicists, social scientists and complex system experts powerful new tools to understand and predict human behaviour. • This development likely will have profound impacts on politics, marketing, infrastructure design and many other spheres. http://www.weforum.org/sessions/summary/human-network-dynamics
  • 15. Problemas • Privacidad • Datos pueden estar distorsionados • Potencian el aprendizaje automático • Extraer comportamientos personales • Identificación http://www.technologyreview.com/printer_friendly_article.aspx?id=38775
  • 16. Six Provocations for Big Data (Boyd & Crawford, 2011) http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1926431 • Automating Research Changes the Definition of Knowledge • Claims to Objectivity and Accuracy are Misleading • Bigger Data are Not Always Better Data • Not All Data Are Equivalent • Just Because it is Accessible Doesn’t Make it Ethical • Limited Access to Big Data Creates New Digital Divides
  • 17. Big data como evidencia de un sistema complejo
  • 18. Sistemas complejos • “...there is no universally accepted definition of a complex system. Most researchers would describe a system of connected agents that exhibits an emergent global behavior not imposed by a central controller, but resulting from the interactions between the agents.” • N. Boccara, Modeling Complex Systems • Colonias de animales (hormigueros), redes sociales, ciudades, Internet, sistemas políticos, sociedades humanas, mercados financieros, ecosistemas, etc. • Multidisciplinariedad en el tratamiento de la información disponible • EMERGENCIA
  • 19. Niveles de organización • In general terms, a “complex system” is any system comprised of a great number of heterogeneous entities, where local interactions among entities create multiple levels of collective structure and organization. • The specificity of complex systems, generally underinvestigated or simply not addressed by traditional science, resides in the emergence of non-trivial superstructures that often dominate the system’s behavior and cannot be easily traced back to the properties of the constituent entities. http://www.assystcomplexity.eu/db/assyst/ASSYST_roadmap2009_2.pdf
  • 20. Comportamiento racional (humano) ante la información • Comportamiento humano ante la falta o exceso de información (infoxicación) • Colectivo: Trust-based computing • Individual: Racionalidad acotada • Heurística de reconocimiento • Fast & frugal methods • Razonamiento no monótono • Otro método: Reglas de asociación • Reglas generales que no son 100% válidas • Razonamiento deductivo basado confianza • Representación y razonamiento visual
  • 21. Sistemas complejos, observaciones (big data) y razonamiento con AFC
  • 22. Open Data • Poner a disposición pública datos de instituciones, organizaciones, etc. • Privacidad, protección de datos • No descarga de bases de datos. Consulta en forma de APIs • Construcción de Mashups Tecnologías para la transparencia • Data visualisation and navigation • Data collection • Connecting and engaging citizens via social media networks • Going mobile • Traditional media http://www.transparency-initiative.org/reports/global-mapping-of-technology-for-transparency-and-accountability http://es.scribd.com/doc/61030999/Open-data-study-New-technologies
  • 23. Públicos, privados Transparencia Institucional Estandarización de formatos Transparencia corporativa
  • 25. Common Crawl • Common Crawl is a non-profit foundation dedicated to building and maintaining an open crawl of the web, thereby enabling a new wave of innovation, education and research.
  • 26. Linked Data • Los Datos Enlazados es la forma que tiene la Web Semántica de vincular los distintos datos que están BBC: distribuidos en la Web BBC music BBC programs • “Linked data: datos sin ontologías” BBC WildLife Finder • Los datos enlazan cosas arbitrarias que se describen en RDF. • Se vinculan a recursos de otros sitios de la WWW • Se calcula combinando/agregando datos enlazados de distintos recursos • Se ponen a disposición de la comunidad los resultados • Open Linked Data
  • 27. Linked Data Canalización débil del conocimiento • Proponer semantizaciones débiles en forma de clientes para proyectos existentes • Linked data versus open data • Sistemas para extraer conocimiento de la empresa Ejemplo: Empresa farmacéutica
  • 28. Ejemplos de proyectos aprobados sobre linked/open data Ejemplos de potencial innovación
  • 29. Sistemas semánticos; captura y explotación de los conocimientos incorporados a contenidos web y multimedia
  • 30. Sistemas semánticos; captura y explotación de los conocimientos incorporados a los contenidos web
  • 31. Nuevas formas de procesos empresariales cooperativos en red y dinámicos Gestión inteligente del conocimiento en la empresa
  • 32. Accesibilidad y utilización a lo largo del tiempo de recursos y bienes culturales y científicos digitales con inclusión de lo que afecta al patrimonio cultural.
  • 33. Parte I: Modelos de negocio basados en información i cs n om ee Fr
  • 36. Nuevo modelo de negocio: big data trading & processing
  • 38. Ejemplo II • Mensajería gratuita entre smartphones • Muerte del SMS • Es una empresa con muy pocos gastos y un potencial de venta muy grande • Valoración actual altísima • ¿Modelo de negocio? • Es propiedad de WhatsApp: • Creación de una gran base de datos de mensajes (marca temporal). No borrable desde el terminal • Red social (contactos) • Geolocalización de los mensajes (si está activado) • Diferencia con Facebook: la comunicación por WhatsApp es ubicua y apremiante • Puede vender datos • Puede contextualizar publicidad • Ahora está en fase de crear la necesidad • ¿Cuánto vale WhatsApp?
  • 40. Buzz de empresas y Big Data
  • 41. Movimientos/visibilidad: compra de empresas en el universo Big Data http://ge.geglobalresearch.com/blog/the-birds-eye-view-of-big-data/
  • 42. Parte II: Minería de conocimiento
  • 43. Análisis Formal de Conceptos Extracción automatizada de jerarquías de conceptos a partir de datos
  • 44. Cuestión: Extraer automáticamente conceptualizaciones a partir de datos • Problema: Cómo obtener, a Fluvial Litoral Océano partir de observaciones, una Carpa X primera ontología (conceptos y relaciones entre los conceptos) Escatófagus X X Sargo X X • Ejemplo: Estudiar propiedades Dorada X X de los peces carpa, escatófagus, sargo, dorada y anguila Anguila X X X • Contexto formal (O,A,I): • O={c,e,s,d,a} • Un conjunto O de objetos • A={fluvial, litoral, océano} • Un conjunto A de atributos • I está representada en la tabla (dos elementos relacionados • Una relación I entre marcados con X) objetos y atributos
  • 45. Concepto: Intención y extensión • Operación básica en contextos formales: derivación • Si X conjunto de objetos, la intención de X es: • X’={ a : oIa para todo o objeto del conjunto X} • (los atributos comunes a todos los objetos de X) • Si Y conjunto de atributos, la extensión de Y es: • Y’={o : oIa para todo atributo del conjunto Y} • (los objetos que tienen todos los atributos de Y) • En nuestro ejemplo: • {fluvial, océano}’={anguila} • {carpa, sargo}’ es el conjunto vacío • {escatófagus, sargo}’={litoral}
  • 46. Contención entre conceptos • Un par (X,Y) es un concepto si: • X es un conjunto de objetos (la extensión del concepto) • Y es un conjunto de atributos (la intensión del concepto) • Y’=X y X’=Y
  • 47. El retículo de los conceptos
  • 49. Ejemplo • ({g,s,r,m,p},{N}) [seres vivos] • ({s,r,p},{N,A,M}) [animales acuáticos] • ({g,s,r,p},{N,M}) [animales] • ({g,r},{N,M,P}) [anim. con patas] • ({r},{N,A,M,P}) [anfibios]
  • 50. Aplicaciones • Bioinformática • Diseño de nuevos medicamentos • Data mining • Conceptualización de las búsquedas en la Web • Web Semántica móvil • Conciliación de conocimiento • Pronóstico de apuestas deportivas
  • 52. Implicaciones entre atributos • Objetivo: Obtener un conjunto de relaciones entre los objetos y/o atributos • Utilizamos implicaciones entre atributos: Lógica de atributos • Una implicación entre atributos es una expresión del tipo Y1→Y2 • donde Y1,Y2 ⊆A • Y1→Y2 es válida en un contexto (O,A,I) si para todo o∈O, el conjunto {o}’ respeta la implicación
  • 53. Bases de conocimiento • Base de conocimiento para el ejemplo: • Un conjunto completo e • ∅→{N} irredundante de implicaciones se denomina Base • {N,A}→{M} • {N,P}→{M}} • Se puede obtener una base para un contexto dado
  • 54. Extensiones del Análisis Formal de Conceptos • Dependencias funcionales entre atributos • Representaciones gráficas de los retículos • Comparaciones entre contextos • Contextos multivaluados • Retículos de tipo iceberg: análisis de conceptos con soporte suficientemente grande: conceptos (X,Y) con soporte • |X|/|M|≥m para cierto m∈[0,1]
  • 55. Especialización del AFC a etiquetados • Opciones interesantes: Delicious, flickr, etc. • Objetos: lo que etiquetamos • Atributos: etiquetas • Historial de búsqueda en un sitio • Uso de recursos de la Web profunda • Nuevos navegadores conceptuales
  • 56. Aplicaciones en servicios de etiquetado • Extracción de ontologías (retículos de conceptos) de sistemas de etiquetación colaborativa • Aplicación intensiva de las ontologías sobre tags para tratar el conocimiento etiquetado con el AFC. • Extensión de la lógica de atributos (implicaciones) a lógicas más ricas. • Navegadores conceptuales • Conciliación del conocimiento implícito en etiquetados • Razonamiento automático en la navegación conceptual • Inteligencia Artificial para potenciar el razonamiento.
  • 57. Conciliación del conocimiento
  • 59. Experimentos de conciliación automática en Delicious Poseer Atributos comunes es mejor que objetos (urls) comunes
  • 60. Sistemas de Información Avanzados (Comercio electrónico) Máster de estudios avanzados en dirección de empresas Innovación en el tratamiento de la información desde la Ingeniería del Conocimiento Fin de la parte I Joaquín Borrego Díaz Grupo Lógica, Computación e Ingeniería del Conocimiento PAIDI TIC-137 Departamento de Ciencias de la Computación e Inteligencia Artificial jborrego@us.es, Twitter:jborrego