Big data centrologic 2016
-
Upload
escarlata-gonzalez-lindgren -
Category
Data & Analytics
-
view
170 -
download
0
Transcript of Big data centrologic 2016
• Finales 90 en la crisis .com tuve la suerte de aprender de personas que revolucionaron internet.
• 2001: Directora buscador de cursos Infocurso.com y Todocursosgra;s.com mejor web de formación Expansión IBM 2006. Web scrapping.
• 2010: Consultora MarkeFng Digital (SEO, SEO, SMO).
• 2012: ¡Salto a Emprender! Fundadora chequeformacion.es y Wannalea.com, conecta a empresas (Directores RRHH y Formación) con proveedores de formación.
• 2014: Socia Centrologic.com soQware de monitorización y datos.
@EscarlataGlez
Apps,
Tarjetas, Whatsapp,
Redes Sociales, Correos Electrónicos
Formularios, documentos Informes médicos, ratón GPS (Tracking), sensores,
Pupilas, cámaras de vigilancia,…
Fuentes de Datos
Problemas Big Data • Espacio: Petabytes, Zetabytes • Formatos: Word, pdf, jpeg, pendrive, MP4, tracking • AnalíFca
4 Fpos de análisis: 1. Por asociación. Ej: pañuelos rojos San Fermín. 2. Minería de datos. Movimientos predicFvos. Los domingos a las 11:00 los alumnos se conectan más a cursos online. 3. Clustering: agrupación de similitudes. Publicidad segmento (Directoras RRHH) 4. Análisis Text: palabras clave en texto (“inglés”)
Datos estructurados resultado de la organización,
eFquetado y categorización de la información. Ejemplo: reserva añadida a través del PMS
(sistema de gesFón hotelera) con información del cliente: fecha de llegada, nombre, ciudad… Fácil ordenarla y acceder a ella a través de filtros, lo que nos
permiFrá idenFficar patrones de reservas.
Análisis predic;vo analiza tendencias pasadas y determina perspecFvas de futuro. EsFmaciones no 100% seguras. Ejemplo: esFmación de las
reservas de la próxima temporada basándose en las tendencias de reserva del periodo anterior.
Combina datos estructurados y no
estructurados uFlizando sistemas informáFcos avanzados (algoritmos analizando grandes canFdades de datos) Big data en hoteles.
Datos no estructurados diiciles de categorizar. Información desorganizada que también Fene el potencial de ofrecer conocimiento
valioso para la organización. Ejemplo: opiniones sobre nuestro hotel en TripAdvisor, las cuales pueden influenciar la decisión de los
potenciales clientes.
Ventajas Big Data • RRHH: redes sociales, capacidad económica. • Banca: crisis económicas, bolsa • Salud: predicción enfermedades • Deporte: lograr mejor rendimiento. NBA y FC Barcelona • Ecosistema: monitorización agricultura, smart ciFes. • Educación: >>>
Si Cristobal Colón desembarcara en nuestra época… quedaría fascinado con los avances tecnológicos en todos los sectores
Es cualquier escuela o universidad parece que todo se manFene casi igual.
Pero si visitase cualquier escuela o universidad le parecería que todo se mantiene CASI IGUAL.
Tras múltiples reformas educativas, hemos mejorado: Equipamiento audiovisual, plataformas online, tablets, pizarras digitales,… Mayor participación de los alumnos. Pero mejoras “estéticas”, todavía no hemos llegado a modificar el núcleo del sistema educativo.
Del “café para todos” a “una educación a la carta”
El aprendizaje es una experiencia individual, pero si cada alumno procesa la información de forma distinta, ¿por qué a día de hoy los libros de texto, los pdf’s y cursos en moodle son prácticamente iguales?
• El aprendizaje online está creciendo… pero los usuarios empresas prefieren la formación presencial o in company. (datos Wannalea.com)
• La gamificación, los videocursos, las apps de formación a través del móvil se están extendiendo para hacer más atracFva la formación, pero impera Moodle.
• Los ebook suponen a día de hoy sólo el 4% de las ventas en Amazon y Agapea.
• Los MOOCs crecen en búsquedas pero el abandono de los másteres virtuales es del 35% y llega al 90% en los MOOC.
Oleadas de datos:
Modalidades demandadas empresas
Ponencia Formador experto
1,5%
Presencial
47,7%
Semipresencial
10,8% A distancia
7,7%
In Company
6,2%
Online
26,2% Formación presencial en el 60% de los casos
• Prevención de riesgos laborales • Energías renovables 2005 • Autocad, fotograia photoshop • Educación infanFl 2006 • Auxiliar enfermería, DietéFca y nutrición • EscaparaFsmo 2007 • Prevención de riesgos laborales • Energías renovables 2008 • Comercio y Ventas, Personal shopper • Manipulador alimentos 2009 • Gestor de cobros, finanzas • Médico de familia, técnico de laboratorio 2010 • Programador Java • Controller, analista financiero 2011 • MarkeFng digital SEO SEM • Community Manager 2012 • Presentaciones, Comunicación verbal y no verbal • Coaching 2013 • Programación, App, smartphones, Animación 3D videojuegos • Ingeniería, aeronáuFca 2014
2015 * Java, Big Data, MarkeFng Digital, FP instalaciones eléctricas
Éxitos de taquilla: cursos más demandados
Inglés
Fuentes: BBDD Infocurso, Barómetro Aprendemas, Los mas buscados de Adecco.
Cursos graFs
Mercado de oferta Múltiples búsquedas para encontrar hotel.
Resultados que a veces no cubren necesidades.
Portales
Amigos
Mercado de demanda Usuario que sabe lo que quiere
Generación Millenials Nuevos dispositivos y formatos
Empresas: presupuestos a medida
La empresa ya no elige al candidato, el candidato elige la empresa o proyecto
• Profundizar en la interacción del “estudiante” con el contenido del curso online ya sea durante las evaluaciones y ejercicios, la visualización y retención de vídeos y textos o los sistemas de colaboraciones entre pares y grupos de trabajo.
• Personalizar el proceso de aprendizaje y modular en ;empo real la ac;vidad en función del rendimiento y competencias individuales del estudiante.
• Analizar mediante machine learning (algoritmos que aprenden de los usuarios) el contenido y estructura de los cursos con el fin de opFmizar cada uno de sus elementos y poder adecuarlos a objeFvos específicos.
Objetivos Big Data en Educación
David Karger, Pofesor de Computer Science en el MIT Feedme: comparFr contenidos con amigos gracias al análisis de datos. Mientras estás leyendo, aparece una pequeña barra de herramientas con los amigos a quienes podría interesar ese contenido. Las personas todavía no estamos preparadas para ese gran cambio, no nos gusta que nos interrumpan pero aunque lo hagan los grupos de whatsapp aun no nos hemos acostumbrado a que Siri nos recomiende conFnuamente cosas. Machine Learning aceptar un mayor nivel de interrupción en nuestras vidas.
Machine learning: aprendizaje automático
Patrón de comportamiento en el alumno: -‐ Se le ha llamado en horario laboral y no responde. -‐ Las conexiones a la plataforma disminuyen. -‐ No profundiza en el temario. -‐ Está haciendo más de un curso. Si los alumnos que Fenen estas caracterísFcas han sido baja en cursos, es previsible que los que todavía son alumnos y Fenen este mismo comportamiento estén en riesgo de marcharse en un 91,97% de probabilidades. Si el Dpto. de Formación tuviera esta informació́n, podría proponerles proacFvamente un cambio de curso, o de horario, o de metodología.
Big Data y Machine learning aplicado a la empresa
CASO: Averiguar qué alumnos van a causar baja en un curso a través de datos en una plataforma Moodle.
ü Gracias a plataformas digitales Moodle se puede capturar, almacenar y procesar datos de alumnos en Fempo real.
ü En la formación presencial ya se están implementando técnicas de reconocimiento facial para saber qué sienten los alumnos en una clase.
ü Se está dando la chispa necesaria para comenzar a implementar correctamente las tecnologías del Big Data.
ü Con una monitorización de los alumnos se podría idenFficar las áreas específicas en las que cada uno de ellos necesitan ayuda y personalizar los contenidos formaFvos.
ü Gracias al Big Data los formadores podrán definir una ruta personalizada para cada alumno. ü Se trata de que el alumno sea la mejor versión de “sí mismo”.
ü Así nos centraremos en el proceso de aprendizaje, en vez de centrarnos en evaluar resultados.
ü El Big data es una herramienta que ha llegado para dar un giro a la formación.
ü Ahora queda que gobiernos, universidades, centros y empresas se pongan de acuerdo con “la tecnología” haciendo un buen uso de ésta para que en definiFva consigamos una sociedad mejor preparada, más creaFva, con una menor tasa de desempleo y más compeFFva!
Big Data University: Totalmente especializado en Big Data. Coursera: aquí podéis ver una lista muy completa. Además de las conocidas Data Science y Datamining, ahora han añadido Big Data, Business AnalyFcs , Data Warehousing, Python e IOT. Como otros cursos individuales interesantes, yo he realizado también el de Data Analysis and StaFsFcal Inference. Miríada X: Cursos en español. Destaca la segunda edición de la Introducción a Business Intelligence y Big Data de UOC, donde yo colaboro personalmente. Además he localizado un par de ellos sobre estadísFca descripFva e introducción al tratamiento de datos con R y R Studio, aunque no estén orientados a la integración con Big Data. EDX: No es muy específico de Big Data, pero existen algunos, por ejemplo éste deMachine Learning en MicrosoQ, uno llamado Scalable machine Learning y otro del MIT sobre Big Data. Open to Study: He encontrado éste de Big Data for BeTer Performance. Udacity: Hay varios sobre Data Science. Google: Curso Making Sense of Data. University of Waikato: Curso Data Mining with Weka. Standford University: Cursos StaFsFcal Learning , Machine Learning y Mining Massive Datasets. Otras recopilaciones de recursos y formación: Data science masters y KDNuggets community
Cursos MOOC sobre Big Data:
Formación Hadoop: Cursos online con algunos capítulos gratuitos. Culture Lab: MongoDB y Hadoop. Bidoop: Cursos de Hadoop oficiales de Cloudera. MongoDB: Cursos online de este fabricante. Amazon: Big Data on AWS. Core Networks: Cursos oficiales de Cloudera. Netmind: Bases de datos y Big Data. NoSQL Center: Cursos de Big Data y NoSQL. Diplómate: Varios cursos Big Data que incluyen Hadoop. PUE: Cursos oficiales de Cloudera en Barcelona, Madrid y online.
Cursos Monográficos:
Información de: www.soydata.net
Universitat Oberta de Catalunya (UOC): Máster Online de Inteligencia de Negocio y Big Data. Escuela de Organización Industrial (EOI): Programa superior en Big Data & Business AnalyFcs. Datahack: Programa acelerado 8 semanas tecnologías Big Data y AnalyFcs. KSchool: Cursos Big Data, dos másters: Data Science y Arquitectura Big Data. Centro Universitario U-‐Tad: Programa de experto en Big Data y otros como el de Data Science. MBIT School: Máster, Programas y Cursos monográficos Big Data y Business Intelligence. Universidad Internacional de La Rioja (UNIR): Máster Online de Visual AnalyFcs y Big Data. InsFtuto de Empresa (IE): Master in Business AnalyFcs and Big Data. Madrid School of MarkeFng: Máster ExecuFve en Big Data y AnalyFcs. Barcelona GSE: Master in Data Science. Insa Business School: Master en Big Data & Data Intelligence (Barcelona). CIFF – Universidad de Alcalá. Máster en Big Data y Business AnalyFcs. Universitat de Barcelona. IntroducFon to Data Science and Big Data. Universidad de Málaga. Máster en Big Data AnalyFcs. Universidad de Deusto: Programa en Big Data y Business Intelligence. Online Business School (OBS): Máster online en Data Management e Innovación Tecnológica.
AFI Escuela de Finanzas: Máster en Data Science y Big Data en Finanzas. Universidad Europea de Madrid: Máster en Big Data AnalyFcs. Universidad Politécnica de Valencia: Máster en Big Data AnalyFcs. CICE: Máster de Big Data y Business Intelligence. Colegio Universitario Cardenal Cisneros: Máster online en Big Data para gestores. La Salle: Máster en Big Data (Barcelona) Universidad Complutense de Madrid: Máster Minería de Datos e Inteligencia de Negocio. Universitat Politecnica de Catalunya: Postgrado Big Data Management and AnalyFcs. Universitat Pompeu Fabra: Master of Science in Management. Universitat Internacional de Catalunya: Máster ExecuFve en Business Intelligence y Big Data, en colaboración con MBIT School. También Fene otro orientado a perfiles de negocio, Máster ExecuFve en Big Data Business Decisions. EAE Business School: Máster en Business Intelligence e Innovación Tecnológica (Barcelona). Universidades de SanFago de Compostela y Murcia (USC y UMU): Máster interuniversitario en Tecnologías de Análisis de Datos Masivos – Big Data. Universidad Carlos III de Madrid: Máster universitario en Métodos AnalíFcos para Datos Masivos. Big Data. Cámara de Comercio de Madrid: Curso superior en Big Data. Orientado exclusivamente a gesFón y negocio. ITMadrid: Programa en Business Intelligence & Big Data. Online. Next InternaFonal Business School: Master in Big Data and Business Intelligence. Amaranto Campus: Curso de Big Data.
Programas y Másters: