Charla que dicté en el desayuno de la Comunidad BI en Chile. Presento el rol del científico de datos (data scientist) en la empresa moderna.

2. Cómo
la
Ciencia
ha
impactado
mi
vida
y
cómo
yo
he
impactado
a
la
Ciencia

3. Una
ventana
al
Universo
Norte de Chile
Cielos claros y transparentes

4. Carrera
como científico
• Tesis de Doctorado en Astrofísica acerca de cómo
evolucionanlas galaxias elítipticas.
• Uso de grandes telescopios en Chile y
colaboraciones con Francia, USA, Canada, etc.
Very Large Teslecope (VLT)

5. Datos
en
Astronomía
• Desde la obtención del dato crudo hasta la
generación de resultados en forma de tablas y
gráficos.
• Testigo del impacto del Big data en Astronomía:
SDSS (1998) llena discos duros de 8GB en 25 min.
Time
span:
15
years
Area:
14,555
deg2
#
sources:
469,053,874

6. Dato procesadoDato crudo
Ciencia
guiada
por
los
datos
• Jim Gray,
investigador
de
Microsoft,
hizo
notar
que
la
Ciencia
entró
al
cuarto
paradigma:
Data-­‐driven Science
Muñoz et al. 2015

7. Evolución del
procesamiento
y
análisis
de
datos

8. Evolución
procesamiento
de
datos
• 1890:
Se
usa
la
máquina
tabuladora
de
Hollerith
para
procesar
los
datos
del
censo
de
EE.UU.
• 1951:
Se
diseña
el
primer
computador
electrónico
con
fines
comerciales,
UNIVAC
I.
Cómputo
Manual
Cómputo
Automático
Cómputo
Automático
Cómputo
Electrónico

9. Costo
del
cómputo
• Desde
la
invención
de
los
computadores
electrónicos,
tanto
el
precio
como
el
tamaño
han
disminuido
sostenidamente.

10. Tsunami
de
datos
• Durante
las
últimas
décadas
la
sociedad
en
su
conjunto
se
ha
digitalizado.
• Mayor
capacidad
de
cómputo
y
tecnología
más
asequible
han
permitido
un
crecimiento
explosivo
de
los
datos.
Fuente: Oracle, 2012
Los datos crecen a una tasa
anual del 40%.
Se estima una producción
de 45 ZB para el 2020. 10
ZB
45
ZB
1
ZB=1024
EB
1
EB=1024
PB

11. Comunidad
Open
Source
• Una
mayor
variedad
y
cantidad
de
datos
trae
consigo
nuevos
desafíos.
• Desarrollo
continuo
de
herramientas
y
métodos
para
analizar
los
datos.
• Transición
de
software
empaquetado
y
comercial
a
uno
desarrollado
por
comunidad
open
source.

12. ¿Qué
es
la
Ciencia
de
datos?
• Data Science es un campo interdisciplinario que
se ocupa de los procesos y sistemas usados en la
extracción de conocimiento a partir del análisis
de datos.
• Se dice interdisciplinario pues requiere
conocimientos de los campos de la computación,
matemáticas y estadística.
Programación Estadística Data
Science

13. ¿Cambio
de
paradigma?
• Los
datos
digitales
y
las
tecnologías
han
cambiado
la
manera
en
cómo
vivimos
y
cómo
entendemos
el
mundo.
• Jim Gray,
investigador
de
Microsoft
y
pionero
en
bases
de
datos
introdujo
el
concepto
del
cuarto
paradigma.
• Era
experimental,
teórica
computacional
y
últimamente
la
Era
del
dato.

14. Carácter
interdisciplinario
Diagrama de
Venn
para
Data
Science
Drew
Conway
(2010)
Habilidades
Programación
Exploración de datos
Soluciones creativas
Conocimientos
Matemáticas
Estadística
Experticia
Especialización
Conocimiento
de
campo

15. ¿Qué
hace
un
Data
Scientist?
• Profesional
que
posee
las
herramientas
y
los
conocimientos
necesarios
para:
§ Recolectar
y
filtrar
datos
de
diversas
fuentes
§ Explorar de
manera
efectiva
un
set
de
datos
§ Obtener
información
valiosa
oculta
en
los
datos
§ Construir
modelos
que
permitan
tomar
decisiones
informadas.
Data Scientist: Persona que es mejor en estadística que
cualquier ingeniero de software y que es mejor en ingeniería
de software que cualquier estadístico.

16. Roles
en
la
Organización

17. Conocimientos
y
Habilidades
• Formación
universitaria
en
las
áreas
de
Ingeniería
y
Ciencias
Naturales.
Idealmente
tienen
Magister
y
PhD.
• Poseen
conocimientos
de
Matemáticas,
Estadística
y
Programación
computacional.
• Se
caracterizan
por
su
curiosidad
intelectual,
son
capaces
de
diseñar
experimentos
y
comunicar
de
manera
efectiva
los
resultados.

18. Esquema
simple
Data
Science

19. Casos
Notables
nyc-­‐taxi-­‐data
uber-­‐tlc-­‐foil-­‐response
Análisis de
uso
de
Taxis
y
Uber
en
NYC
Open
Data+Open Source
Fuente: FiveThirtyEight

20. Casos
Notables
datausa
Análisis de
datos
públicos
de
USA
Open
Data+Open Source
Fuente: The New York Times

21. Innovación
con
base
científica
y
tecnológica

22. Visión computacional
• Enseñar
a
las
máquinas a
ver
e
interpretar
tal
como
lo
hacemos
los
humanos.
• Interdisciplinario:
Matemáticas,
Física,
AI

23. Industria
automotriz
• ¿Por
qué
usar
Visión
Computacional?
§ 3.500
personas
mueren
todos
los
días en
accidentes
de
tránsito
en
el
mundo
§ Gastamos
cerca
de
1
hora
conduciendo
Ingresos: 240 millones USD (2015)
Mobileye, 2015

24. Seguridad
y
Transporte
• Los
sistemas
de
vigilancia
cumplen
un
rol
clave
en
la
seguridad
y
mejora
de
experiencia
de
usuario
en
las
industrias
del
retail,
transporte
público
y
orden
público.

25. Metric Video
Analytics
• Análisis
de
cámaras
de
seguridad
en
tiempo
real,
escalable
y
de
bajo
costo.
• Integración
con
la
plataforma
Azure
de
Microsoft
y
capacidad
de
analítica
avanzada.

26. Informes
y
alertas
• Conteo
y
seguimiento
de
personas
• Alertas
de
actos
delictuales
y
evasión
• Datos
demográficos
de
clientes
y
usuarios

27. Smarcity:
Ciudad
interconectada

28. Gracias!
Email:
rmunoz@uc.cl
Github:
github.com/rpmunoz