Downloaded 15 times
Uploaded byVictoria López
G te c sesion1b-casos de uso
This document discusses MapD, a technology for processing and analyzing large datasets faster by using parallel programming and scaling to hundreds of millions of data points within milliseconds. It also briefly mentions Victoria López and her Twitter handle and website, as well as the location and date of an event discussing open data.
More Related Content
Similar to G te c sesion1b-casos de uso
More from Victoria López
G te c sesion1b-casos de uso
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7.
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16.
- 17.
- 18.
- 19.
- 20.
- 21.
- 22.
- 23. 23 MapD: A Wayto Map Big Data Faster
- 24. 24 MapD: A Wayto Map Big Data Faster
- 25. 25 MapD: A Wayto Map Big Data Faster
- 26. 26 MapD: A Wayto Map Big Data Faster
- 27.
- 28. • Una vezprogramado el procesamiento en paralelo, el sistema con sentencias clásicas SQL • Consiguiendo un escalado a cientos de millones de puntos en milisegundos
- 29.
- 30. “Open data isdata that can be freely used, reused and redistributed by anyone – subject only, at most, to the requirement to attribute and sharealike.” OpenDefinition.org - “Open data is data that can be freely used, reused and redistributed by anyone – subject only, at most, to the requirement to attribute and share alike.” OpenDefinition.org Availability and Access: the data must be available as a whole and at no more than a reasonable reproduction cost, preferably by downloading over the internet. The data must also be available in a convenient and modifiable form. Reuse and Redistribution: the data must be provided under terms that permit reuse and redistribution including the intermixing with other datasets. The data must be machine- readable. Universal Participation: everyone must be able to use, reuse and redistribute – there should be no discrimination against fields of endeavour or against persons or groups. For example, ‘non-commercial’ restrictions that would prevent ‘commercial’ use, or restrictions of use for certain purposes (e.g. only in education), are not allowed. 30
- 31.
- 32.
- 33. Mariam Saucedo Pilar Torralbo DanielSanz Recycla.me Ana Alfaro Sergio Ballesteros Lidia Sesma Héctor Martos Álvaro Bustillo Arturo Callejo Belén Abellanas Jaime Ramos Ignacio P. de Ziriza Victor Torres Alberto Segovia Miguel Bueno Mar Octavio de Toledo Antonio Sanmartín Carlos Fernández MAPA DE RECURSOS RECYCLA.TE 33
- 34. Madrid – SmartCity 34
Editor's Notes
- #5 Todos queremos mejores formas de comunicación, vías más rápidas, más cómodas, pero es impensable cambiar o ampliar las redes de carreteras, por ejemplo, para solventar un problema de horas punta, o acumulación de tráfico o falta de aparcamiento en una zona
- #6 La tecnología ayuda a resolver estos problemas. Es posible mejorar el nivel de servicio del transporte público, la sostenibilidad, modelar y predecir el comportamiento y los problemas de tráfico. Personalizar y optimizar. Repensar como diseñar y analizar las redes de transporte.
- #9 Se recolectaron durante meses los datos de 16.000 taxis: identificador, geolocalización, velocidad, estatus (libre, ocupado, …), tarifa cobrada,… los datos se recolectan en intervalos de tiempo de medio a un minuto. En un solo mes se recolectaron 512 megas y de datos y
- #18 Mediante la monitorización de los taxis se puede predecir el movimiento de las personas. Donde está la gente en cada momento.
- #19 Casi todos los taxis entre las 5 y las 8 de la mañana van al aeropuerto, porque salen los vuelos nacionales e internacionales
- #22 Se marca la zona de Denver muy popular por los resorts de sky y abajo se marca pro zoas