Your SlideShare is downloading. ×
0
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
Sistemas inteligentes y la ciencia del dato (I)
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Sistemas inteligentes y la ciencia del dato (I)

333

Published on

Primer bloque de la sesión que impartí en la asignatura "Sistemas de información avanzados (comercio electrónico)" del Master de estudios avanzados en dirección de empresas

Primer bloque de la sesión que impartí en la asignatura "Sistemas de información avanzados (comercio electrónico)" del Master de estudios avanzados en dirección de empresas

Published in: Education
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
333
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
16
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Sistemas de Información Avanzados (Comercio electrónico) Máster de estudios avanzados en dirección de empresasSistemas Inteligentes y la Ciencia del Dato Retos para las empresas 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 • Prospección... Contenido • Tecnologías relacionadas con la IA Parte III: Casos de estudio de • Información en Internet y en sus aledaños tratamiento de la información • Big Data • Caso I, especial: Interoperabilidad Semántica para laParte I: Datos, Información, Conocimiento empresa • Open Data • La ciencia del dato Parte III (cont): Otros casos de estudio • Procesamiento de eventos complejos • Complejidad económica • Caso II: Minería de opiniones y sentimientos • Cloud ComputingParte II: Algunos (nuevos) modelos de • Caso III: Predicción bajo racionalidad acotadanegocio basados en información y redes • Nuevo modelo de negocio: big data • Caso IV: Servicios en movilidad trading & processing. Ejemplos basados en conocimiento • Modelos crowdsourcing. Ejemplos • Caso V: Informática urbana. SmartCities • Modelos disruptivos • Capitalismo Indie • Caso VI: Content Curation
  • 3. Bloque I
  • 4. Preliminares • Prospección... Contenido • Tecnologías relacionadas con la IA Parte III: Casos de estudio de • Información en Internet y en sus aledaños tratamiento de la información • Big Data • Caso I, especial: Interoperabilidad Semántica para laParte I: Datos, Información, Conocimiento empresa • Open Data • La ciencia del dato Parte III (cont): Otros casos de estudio • Procesamiento de eventos complejos • Complejidad económica • Caso II: Minería de opiniones y sentimientos • Cloud ComputingParte II: Algunos (nuevos) modelos de • Caso III: Predicción bajo racionalidad acotadanegocio basados en información y redes • Nuevo modelo de negocio: big data • Caso IV: Servicios en movilidad trading & processing. Ejemplos basados en conocimiento • Modelos crowdsourcing. Ejemplos • Caso V: Informática urbana. SmartCities • Modelos disruptivos • Capitalismo Indie • Caso VI: Content Curation
  • 5. Preliminares
  • 6. NO voy a aventurar escenarios• Lectura interesante http://www.shell.com/global/future-energy/scenarios/ explorers-guide.html
  • 7. Ejemplo (escenarios a 2020, realizados en 2002)• As pressure on governments increases—in part because of the demands of ageing societies—and their capacity to act diminishes, citizens become more cynical about both mass politics and governance. Many people feel compelled to seek alternative modes of political expression—through participating in demonstrations staged as media events, for example, or in various forms of direct pressure by NGOs and other interest groups.• Corporations are also active in the policy-making arena, pushing their own agendas. The public sees multinationals, especially, as having a large impact on global policy, and these companies are often targeted as a prime cause of global problems.
  • 8. Vamos a hacer prospectiva “sin predicción”• Innovación: • Adecuación • Tendencias • ¿Inteligencia Artificial? • Productos finales
  • 9. ¿Cuándo innovar?Arriesgada, pero de alto valor si tiene éxitoIdeal, pero conocida por muchosSegura, pero mucha competencia
  • 10. Una herramienta muy útil...El ciclo “hype” de Gartner • Lanzamiento - La primera • Rampa de fase de un ciclo de bombo es consolidación - Aunque la el "lanzamiento", una prensa haya dejado de cubrir presentación del producto o la tecnología, algunas cualquier otro evento genera empresas siguen, a través de interés y presencia en los la "pendiente de la medios. iluminación", experimentando para entender los beneficios • Pico de expectativas que puede proporcionar la sobredimensionadas - aplicación práctica de la En la siguiente fase, el tecnología. impacto en los medios genera normalmente un • Meseta de entusiasmo y expectativas Productividad - Una poco realistas. Es posible que tecnología llega a la "meseta algunas experiencias pioneras de productividad", cuando sus se lleven a cabo con éxito, beneficios están ampliamente pero habitualmente hay más demostrados y aceptados. La fracasos. tecnología se vuelve cada vez más estable y evoluciona en • Abismo de desilusión – segunda y tercera Las tecnologías entran en el generación. La altura final de abismo de desilusión porque la meseta varía en función de no se cumplen las si la tecnología es expectativas. Estas ampliamente aplicable y sólo tecnologías dejan de estar de beneficia a un nicho de moda y en consecuencia, por mercado. lo general la prensa abandona el tema. • (Extraído de Wikipedia)
  • 11. ∫¡! e em ion tr at ? Ex m ing ¿ r fo cess in o pr
  • 12. 2012
  • 13. Tecnologías interesantes del ciclo, y tecnologías de Ingeniería del Conocimiento (la Inteligencia Artificial en general)• Minería de datos (en BigData) • BigData• Linked Data, Minería de datos • Complex Event Processing• Web Semántica (y agentes) • Cloud Computing (private,• Representación del conocimiento hybrid)• Inteligencia colectiva • Gamification• Sistemas multiagente, Web • Crowdsourcing Semántica• Procesamiento del lenguaje • Internet of things natural, análisis de sentimiento, • Automated content recognition ontologías • Application Stores• Agentes, Web Semántica
  • 14. Veamos en quéconsisten esos “hypes”
  • 15. • Everyday, we create 2.5 quintillion bytes Big Data of 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 deenormes • from sensors used to gather climaterepositorios de datos information,que resulta imposible • posts to social media sites,tratarlos con las • digital pictures and videos postedherramientas de online,bases de datos yanalíticas • transaction records of online purchases,convencionales • from cell phone GPS signals • etc. • This data is big data. http://www-01.ibm.com/software/data/bigdata/
  • 16. Implicaciones (World Economic Forum 2012) 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.
  • 17. Problemas• Privacidad• Datos pueden estar distorsionados• Potencian el aprendizaje automático• Extraer comportamientos personales• Identificación• TECNOLOGÍA http://www.technologyreview.com/printer_friendly_article.aspx?id=38775
  • 18. 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
  • 19. Información en Internethttp://www.good.is/post/the-world-of-data-we-re-creating-on-the-internet/
  • 20. ¿Dónde fluye esa información?Libre de escala,mundo pequeño
  • 21. Desafío: semánticahttp://www.optique-project.eu/about-optique/research-topics-2/
  • 22. Se necesita una nueva disciplina: La ciencia del dato (Data Science) • El buscador de Google fue el primer caso importante de aplicación de esta cienciaÁreas implicadas:Cloud computingDatabases and information integrationLearning, natural language processing and informationextractionComputer visionInformation retrieval and web information accessKnowledge discovery in social and information networks
  • 23. Ciencia del dato versus aplicaciones sobre datos• A data application acquires its value from the data itself, and creates more data as a result. It’s not just an application with data; it’s a data product• Data science enables the creation of data products.
  • 24. Una aplicación: Procesamiento de eventos complejos • ¿Qué tienen en común... • Primavera árabe • Crisis financiera mundial • Crisis en Darfur • Mercado del vino mundial • para que puedan ser analizados y, si es posible, ser predecidos?
  • 25. Ejemplos de resultados:
  • 26. Análisis de redes (sistemas complejos) /1201.3798http:// arxiv.org/abs http://www.ecb.int/press/pr/date/2010/html/pr100107.en.html
  • 27. The network of global corporate control • Concentration of power is not good or bad in itself, says the Zurich team, but the cores tight interconnections could be. As the world learned in 2008, such networks are unstable. "If one [company] suffers distress," says Glattfelder, "this propagates."Red (financiera)http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0025995
  • 28. Revueltas árabes versus índice de precios de alimentosThe Food Crises and Political Instability in North Africa and the Middle East Marco Lagi, Karla Z. Bertrand,Yaneer Bar-Yam http://arxiv.org/abs/1108.2455
  • 29. Complejidad económica
  • 30. Economic complexity, Complejidad therefore, is expressed in the composition of a country’s económica productive output and reflects the structures that emerge to hold and combine knowledge. • Visualización • Redes complejas • DiagnosisCountries whose economiccomplexity is greater thanwhat we would expect,given their level of income, tendto grow faster than thosethat are “too rich” fortheir current level ofeconomic complexity. In thissense, economic complexityis not just a symptom oran expression ofprosperity:it is a driver.
  • 31. Tema de investigación: • Información representada contextos formales Aplicar el Ingeniería delconocimiento a Complejidad • Contextualizar dentro de países o grandes compañías Económica Enlaces entre productos midenla probabilidad de ser co-exportados Caminos: composición de capacidades
  • 32. Complejidad económica versus control/simulación de sistemas complejos • Matemáticos, físicos, ingenieros o incluso músicos han desembarcado en bancos de inversión, brókeres y hedge funds. • Misión: desarrollar algoritmos que permitan realizar estrategias de inversión convencionales (arbitraje, contrapartida o creación de mercado, inversión intradía, detección de correlaciones en el precio de los activos...), pero a mucha más velocidad gracias a los avances tecnológicos. • Sistemas pensados para que operen con total autonomía. No aspiran a dar el pelotazo inmediato. Con cada movimiento, su objetivo es ganar 0,001 euros. • Parece una meta de rentabilidad modesta, ¿no? Multipliquen esta cantidad por miles de operaciones por minuto, ocho horas al día, cinco días a la semana, 52 semanas al año... Un martillo pilón con el que hacer dinero si se acierta con el modelo.
  • 33. La nube (personal) Ejemplos
  • 34. Computación en la nube y la combinación de hypes The Nexus of Forces: Social, Mobile, Cloud and Information (Gartner 2012) The nexus of forces describes the convergence and mutual reinforcement of four interdependent trends: social interaction, mobility, cloud, and information. The forces combine to empower individuals as they interact with each other and their information through well-designed ubiquitous technology. http://www.gartner.com/technology/research/nexus-of-forces/
  • 35. Gamification
  • 36. Uso de filosofía y tecnología de juegos para aprovechar el crowdsourcing en la resolución de problemas
  • 37. nc ias ge reSuEnseñanza por tutorización inteligente
  • 38. CrowdfoundingCrowdSourcing
  • 39. Ecosistema del crowdsourcing
  • 40. Internet of ThingsSensor Semantic Web
  • 41. Análisis de sentimientos
  • 42. App stores
  • 43. Parte I: Datos, Información,conocimiento
  • 44. Big data... again http://bigdatalandscape.com/
  • 45. Casos llamativos ¡Modelo de negocio interesante!
  • 46. Datos “cerrados” versus datos abiertos• Transporte• Localización de nuevos enclaves para servicios• Estudios de mercado• ... http://www.guardian.co.uk/public-leaders-network/blog/2012/mar/19/ open-data-raw-material-industrial?CMP=twt_gu
  • 47. 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
  • 48. Públicos, privados Transparencia InstitucionalEstandarización de formatos Transparencia corporativa
  • 49. Múltiples iniciativas Open Data
  • 50. Datos “cerrados”versus datos abiertos
  • 51. 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
  • 52. 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 empresaEjemplo:Empresa farmacéutica
  • 53. Ingeniería del conocimiento y big dataBIG DATA
  • 54. Grafo social (y de objetos) en el entorno Big Data
  • 55. ¡!RDFa es un conjuntode extensiones deXHTML propuestaspor W3C paraintroducir semánticaen los documentos.Se ha definido unacorrespondenciasimple quepermite extraertripletes RDF
  • 56. Conclusión: Es big data social¡Google nopuede hacer esto!
  • 57. El grafo del conocimiento de Google3.500.000. 000 derelaciones 50.000.000 entre de objetos objetos Conclusión: Es big Knowledge
  • 58. ¿Materia prima para nuevos proyectos de este tipo?(porque Google y Facebook ya la tienen)
  • 59. Semántica DBpedia (Wikipedia) dbpedia.org/ CommonTag www.commontag.org
  • 60. ¿Y el Big data?
  • 61. Parte II:“Nuevos” Modelos de negocio basados en información
  • 62. Nuevo modelo de negocio:big data trading & processing
  • 63. Ejemplo I
  • 64. Negocio basado en datos• Modelo Premium (para empresas)• Estudios, análisis• Venta de datos para analíticas, predicciones marketing, social media, etc.• ¿Tuits patrocinados?
  • 65. 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?
  • 66. Un modelo de negocio
  • 67. Buzz de empresas y Big Data 2011
  • 68. Movimientos/visibilidad: compra de empresas en el universo Big Data 2011http://ge.geglobalresearch.com/blog/the-birds-eye-view-of-big-data/
  • 69. Modelo de negocio basado en el ciclo completo• Dispositivo• Flujo de datos• Modelo freemium para el almacenamiento• Exploración de nuevos tipos de explotación de la información
  • 70. • Ecosistema para modelos de negocio basados en open datahttp://www.deloitte.com/assets/Dcom-UnitedKingdom/Local%20Assets/Documents/Market %20insights/Deloitte%20Analytics/uk-da-open-growth.pdf
  • 71. Modelos de negocio basados en el crowdsourcing/ crowdfounding
  • 72. Ejemplos importantes Mediadores entre el crowdsourcing y las empresas a de aform ing Plat wdf ound Cro
  • 73. Crowdsourcing/Founding abierto
  • 74. Ejemplo de Kickstarter El éxito llevó a los autores a dejar sus trabajos ycentrarse en el desarrollo del producto a través de la constitución de una empresa, Studio Neat,
  • 75. ¿Factores?• Reputación, credibilidad y/o confianza• Inteligencia colectiva• ¿Larga cola?• Ecosistema sostenible• Fuerte enraizamiento en las redes sociales
  • 76. http://www.ted.com/talks/rachel_botsman_the_currency_of_the_new_economy_is_trust.html
  • 77. Capitalismo “Indie” • Indie capitalism is local, not global, and cares about the community and jobs and says so right up front • Indie capitalism is socially, not transactionally, based • Indie capitalism is, above all, a maker system of economics based on creating new value, not trading old value • Indie capitalism characteristic is a heightened meaning embedded in materials and productshttp://www.fastcodesign.com/1665567/4-reasons-why-the-future-of-capitalism-is-homegrown- small-scale-and-independent
  • 78. ¡NUEVO ESPACIO! http://www.theserendipitymachine.com/
  • 79. Sistemas de Información Avanzados (Comercio electrónico) Máster de estudios avanzados en dirección de empresas Fin del bloque I Joaquín Borrego DíazGrupo Lógica, Computación e Ingeniería del Conocimiento PAIDI TIC-137 Departamento de Ciencias de la Computación e Inteligencia Artificial jborrego@us.es, Twitter:jborrego

×