Carlos Lorenzo

Carlos Lorenzo

Politólogo especializado en marketing y Comunicación. Me entusiasma todo lo que potencialmente las tecnologías pueden aportar a la sociedad, así que sobre eso leo y muy pocas veces, escribo.
AI & Data
Ya no eres solo una empresa de productos o servicios, eres una empresa de datos
Todas las empresas que operan en la actualidad son en realidad empresas de datos. Y lo son porque día a día almacenan y utilizan una gran cantidad de información: de clientes, de operaciones internas, de proveedores, de partners y de competidores... El principal inconveniente es la incapacidad de las empresas de ver estos datos como un activo de gran valor para el negocio. Eso a pesar de que "el dato es el mejor regalo de la digitalización a la gestión empresarial". Los datos que recoge una empresa, y los que potencialmente debería recoger, pueden ser utilizados para acciones muy concretas con retorno directo, como pueden ser: Segmentación avanzada de clientes Predicción del riesgo de fuga Manteamiento predictivo de máquinas Gestión de stock a tiempo real. Pptimización del pricing... ...y mucho más. Todo esto es posible con los datos internos que posee una compañía, pero las oportunidades se multiplican cuando además incluimos otras fuentes de datos externas. Convertir los datos en activos valiosos Sin importar el sector o área de actividad de una empresa, existen fuentes de datos que pueden ofrecer un valor realmente diferencial a la hora de crear y entrenar modelos algorítmicos para ayudar a la toma de decisiones estratégicas. Hablamos de fuentes meteorológicas, de eventos y calendario laboral de ciudades e incluso zonas, datos estadísticos y demográficos, datos de catastro o redes sociales, entre otras muchas. Si los seres humanos somos 70% agua, las empresas son 100% datos. Las organizaciones que buscan permanecer relevantes hoy están dedicando todos sus esfuerzos en transformarse digitalmente incluyendo tecnologías Big Data e Inteligencia Artificial para basar sus decisiones en datos. Por si no fuera poco el reto al que se enfrentan las compañías, a eso hay que sumar que ya hoy están todas en ese proceso de transformación. Por tanto, cambiar ya no supone una ventaja competitiva sino simplemente igualarse al resto. Foto: Stephen Dawson / Unsplash Lo que resulta realmente diferencial son los datos con los que cuentas, cómo los tienes organizados y la estrategia de utilización. Ahí está la clave. Y aun más, también está en la elección de fuentes de datos externas que pueden enriquecer la información con la que ya cuentas. De esta forma, los datos Telco cobran gran importancia en la estrategia corporativa de las compañías. Y esto se debe a la gran cantidad de información útil que aportan de cara al conocimiento del cliente. AI OF THINGS Soluciones de Big Data e Inteligencia Artificial para la industria del turismo 27 de septiembre de 2022 Insights de negocio: movilidad, turismo o espacios de venta En Telefónica Tech entendemos y clasificamos los datos Telco que podemos aportar a nuestros clientes, de manera agregada y anonimizada. Insights de negocio que nos permiten detectar patrones de comportamiento que nos ayudan a entender mejor sus necesidades. En este sentido, ponemos a disposición de nuestros clientes diferentes soluciones en función de sus requerimientos de negocio: Servicios de analítica de multitudes en el que somos capaces de ofrecer patrones de comportamiento de movilidad entre distintas áreas y ciudades e incluso dentro de puntos de venta. Servicios de consent-based data que facilita la interacción entre la marca del cliente y su consumidor Analítica para la gestión de flotas a través de nuestros servicios de IoT. Conocimiento profundo de las comunicaciones entre sucursales así como call centers a través de nuestras solución de comunicaciones. Las marcas han de apostar por nuevas formas de aproximarse a sus consumidores, y esto se logra centrando sus esfuerzos en conocerlos mejor y adaptándose a sus necesidades y nuevas demandas. Para ello, las nuevas tecnologías juegan un rol fundamental. Foto de apertura: Joel Filipe / Unsplash AI of Things Estadios de fútbol inteligentes: el mayor espectáculo del mundo, aún más espectacular 25 de mayo de 2022
26 de abril de 2023
AI & Data
La formación es transformación: invierte en talento
Los coches aun no vuelan, pero ni falta hace, ya tenemos suficiente con el aluvión de información que nos llega desde todas las direcciones. Siempre pensé en como luciría el semáforo del futuro cuando los coches pasaran por encima de mí, lo que nunca imaginé era que la revolución tecnológica ocurriría más en el plano digital que físico. De pequeño esperaba aquel momento en que saliera al mercado el famoso coche sin ruedas, pero fallaba en algo: los cambios que estaban por venir no eran impulsados por las empresas sino al contrario. Eran las nuevas demandas de los consumidores lo que pondría toda la maquinaria tecnológica en marcha. La sociedad no pedía coches voladores, pedía un sistema de transporte más eficiente. Y así fueron pasando los años, y gracias a Internet y otros avances, empezamos a tener más acceso a la información y fueron cambiando nuestros hábitos de consumo. Hoy en día exigimos y esperamos mucho más de nuestras marcas, esperamos que nos conozcan y que nos ofrezcan el servicio que mejor se adapte a nosotros, no solo en precio sino en calidad. En consecuencia, las empresas han debido cambiar drásticamente su aproximación al mercado y hacia sus consumidores, no únicamente relacionado al producto o servicio en sí, sino en generar incluso nuevas experiencias de usuario en cualquier interacción con sus marcas. Esto ha sido un proceso largo y aún queda mucho por recorrer. Lo que está claro es que las empresas han visto en las nuevas tecnologías, como lo es la inteligencia artificial, una oportunidad para cumplir con esas expectativas cada vez más altas del cliente. Si hasta ahora todo eran retos, a éstos se le suma otro; no basta con tener voluntad de cambio, hay que saber hacerlo. ¿Están preparadas las empresas para llevar a cabo esos cambios? ¿Qué necesita exactamente una compañía para emprender la ruta hacia una nueva forma de trabajar y evolucionar su modelo de negocio? Sin duda necesita transformarse culturalmente y para ello requiere de un equipo capacitado. Aunque esta afirmación puede parecer obvia, la realidad es que es el principal reto que enfrentan las empresas. Encontrar personas con talento y destrezas en tecnologías como Big Data o Inteligencia Artificial capaz de liderar la transformación digital de la organización cada vez es una tarea más complicada, sobre todo por la alta demanda de estos perfiles y la escasez de ellos en el mercado laboral. Ahora bien, si somos conscientes de que la base del cambio son las personas, y que allí es donde debe incidir la capa directiva. ¿Cuál es el paso siguiente? ¿Invertir y crear un nuevo departamento desde cero con solo nuevas incorporaciones? Es una opción, sin duda, pero no necesariamente la mejor. Las tecnologías, técnicas y procesos están cambiando tan rápidamente que conviene valorar a los empleados más por su capacidad de adaptación y visión por encima de las capacidades técnicas que puedan tener. Ya que, si nos fijamos únicamente en la última, cuando estas nuevas herramientas queden obsoletas, nos quedaremos de nuevo con un equipo desactualizado. Así que la clave debe ser ofrecerles formación a tiempo y de calidad a nuestros equipos actuales, aunque por supuesto incorporando nuevos perfiles capaces de potenciar el cambio. En LUCA, hemos creado un área exclusiva para apoyar a las empresas en este sentido, la hemos llamado LUCA Academy; donde ponemos a disposición de las compañías todo el conocimiento y experiencia de nuestros especialistas científicos de datos, ingenieros y arquitectos de datos, así como consultores de negocio para capacitar a sus empleados en el uso de tecnologías Big Data e Inteligencia Artificial. El objetivo es ayudar a tu organización a orientar la toma de decisiones basadas en datos y a alcanzar, de la manera más exitosa, la transformación digital. En el futuro, ya no espero el coche volador, lo espero inteligente. Espero que todas las marcas con las que interactuo aprovechen el conocimiento que tienen para aproximarse a mí de una manera única y personalizada. Si quieres saber más acerca de cómo podemos ayudarte en transformar tu compañía adoptando tecnologías de Inteligencia Artificial, visita nuestra página web
4 de septiembre de 2019
AI & Data
No hay 3 sin 4: Hacia la cuarta revolución industrial
La personalización en masa del producto es el catalizador del cambio que, entre otras cosas, origina la industria 4.0 Ha llovido mucho desde que la máquina de vapor cambiara el curso de la historia de nuestra civilización con la mecanización de la producción en la llamada Primera Revolución Industrial. Los avances científicos a finales del siglo XIX permitieron vivir una Segunda Revolución Industrial con el descubrimiento de la electricidad que sería la base para la producción en masa, seguida de una tercera revolución en pleno siglo XX gracias al poder de la informática y la electrónica en la automatización de procesos de producción. Hoy, se está gestando ante nuestros ojos una Cuarta Revolución Industrial, producto de la fusión de una serie de tecnologías exponenciales como el Big Data, la Inteligencia Artificial, el Internet de las cosas (IoT), la fabricación aditiva, la realidad aumentada, entre otras, que están difuminando las barreras entre lo físico y lo digital. Se dice mucho sobre esta nueva etapa que la industria afronta. Desde ya las grandes corporaciones se están movilizando para adaptarse a los cambios que esto conlleva y están empezando a extraer beneficios en torno a la Industria 4.0. Nos retrotraemos de nuevo y por última vez para entender por qué esta revolución es tan singular. La clave es entender el papel que tenemos nosotros, como individuos, en este nuevo cambio de paradigma. La gran diferencia de la Cuarta Revolución del resto de ellas es que, ésta última no es causa del cambio sino consecuencia. En el caso de la segunda revolución, por ejemplo, ésta produjo como consecuencia la introducción a la producción en masa. Es decir, fue la revolución la que trajo el cambio en el modo de consumo, mientras que la cuarta revolución que se fragua se entiende, en gran medida, como consecuencia de los nuevos hábitos de consumo de las personas. La personalización en masa del producto, es pues, el catalizador del cambio que, entre otras cosas, origina la industria 4.0. Cambio en el consumo y en el proceso de fabricación El cambio en el consumo supone que ya no nos es suficiente con que el producto sea lo más barato posible, sino que además el producto debe adaptarse a todo lo que necesitamos como consumidores y lo que demandamos según nuestros gustos. Todo a un solo clic y con envío gratuito.Y es esto justamente el gran cambio que ha obligado a las empresas a buscar soluciones más ágiles y rápidas que den respuesta a sus clientes, ahora hiperconectados, acostumbrados a reservar un vuelo, pedir un taxi, hacer un pago, todo en remoto. Desde el punto de vista de la industria, el cambio no solo consiste en la eterna búsqueda de ahorrar costes de producción sino que ahora además deben responder de forma rápida y personalizada a sus consumidores. La solución la han encontrado en la digitalización del todo; desde el diseño a la manufactura. La digitalización trae consigo un hecho clave, y es que al estar todo conectado, se genera una cantidad infinita de datos que son de gran utilidad para conocer más y mejor tanto la cadena de producción como al cliente; impactando no solo en la mejora de la eficiencia operativa sino también en la generación de nuevos ingresos de cara al consumidor final. Anteriormente, si se presentaba algún problema en pleno proceso de fabricación, todo la cadena debía detenerse, evaluar dónde estaba el fallo, arreglarlo, y ponerlo en marcha nuevamente. Esto suponía pérdidas económicas cuantiosas por cada minuto que la producción se detenía. Lo mismo ocurría cuando se debía hacer algún mantenimiento de las máquinas, siempre con fechas fijadas y sin tener en cuenta si realmente era necesario o no. Pues bien, la nueva industria conectada evitaría que los procesos se detuvieran. Si todo está comunicado, y se dispone de la información en tiempo real, somos capaces de modificar acciones y predecir fallos antes de que supongan un verdadero problema que cause que se detenga toda la producción. Gracias a las tecnologías Big Data somos capaces de llevar a cabo mantenimiento predictivo de las máquinas y de procesos, garantizando así mayor eficiencia dentro de la industria. Pero no tan rápido… Por supuesto, estos cambios no vienen con seguro a todo riesgo, y por tanto debemos pagar las consecuencias de la automatización; la primera factura: el empleo. Según el estudio de “World Bank Development Report (2016), las máquinas podrían reemplazar el 57% de los puestos de trabajo de media en los países de la OCDE, el 69% en India y hasta el 77% en China. Afecta más, por tanto, a aquellos países donde la industria tradicional tiene protagonismo. Otro estudio; The Future of Employment (2013) nos dice más y sobre otros sectores; un teleoperador tiene un 99% de probabilidades de ser reemplazado por la automatización; un cajero de supermercado un 98%, un asistente legal un 94%, un taxista un 89% incluso un cocinero de una cadena de comida rápida un 81%. Estas previsiones sólo muestran un dato estático y una de las caras de la moneda. La realidad es que, como siempre, buscaremos adaptarnos al cambio y dominarlo; surgirán nuevos perfiles profesionales como está ocurriendo actualmente. Perfiles como el de “Community Manager”, por ejemplo, eran impensables hace una década, o la disciplina Data Science. Pero en un futuro no tan lejano hablemos de abogados especializados en drones y ciberseguridad o diseñadores de órganos. Lo que está claro es que en el futuro, primarán las habilidades humanas sobre el conocimiento de algo en concreto, se valorará más una persona a la hora de ser contratada por sus dotes de liderazgo, su capacidad de gestión o su creatividad por encima de un conocimiento en concreto que además de ir cambiando a gran velocidad será fácilmente accesible a todos a través de nuestros dispositivos móviles. También puedes seguirnos en nuestras redes sociales: @Telefonica, @LUCA_D3, @ElevenPaths
29 de julio de 2019
AI & Data
[Summer Meetup] Cuando la IA se hace humana: reconociendo los sentidos
Días atrás organizamos en Madrid nuestro tercer Meetup del año en nuestras comunidades “Data Science Spain” y “IoT Analytics”. Esta vez, una edición #summer que estuvo cargada de sentidos. El encuentro se centró en hablar de reconocimiento de texto e imagen en distintos sectores de la economía; desde la industria del Retail, hasta el mundo de la investigación. La jornada comenzó con Richard Benjamins, Data & AI Ambassador de Telefónica, en el que dio un repaso sobre la evolución que han tenido ambas comunidades; creadas entre 2015 y 2016 y que cuentan en total con más de 4 mil miembros. Además invitó a los asistentes a la cuarta edición de los Data Science Awards Spain, unos premios impulsados por LUCA y que buscan reconocer el talento analítico en España a través de tres categorías: Mejor Data Scientist, mejor iniciativa empresarial o de Administraciones Públicas; y mejor trabajo periodístico de datos. Richard Benjamins, Data / AI Ambassador de Telefónica. Para la primera ponencia “Reconocimiento de texto: ¿Pueden las máquinas entender la ciencia o el yihadismo?”, contamos con José Manuel Gómez, de Expert System, quién nos explicó los estudios que realizó en analizar y detectar ciertos códigos utilizados en redes sociales por el Yihadismo a través de narrativas de identidad. Asimismo, mostró otro caso desarrollado para la Agencia Espacial Europea (ESA), en la que el reto era extraer información de misiones con más de 30 años de antigüedad y en la que era imposible corroborar la información por los cambios de plantilla por el tiempo transcurrido. Posteriormente, Roberto Arroyo, Aitor Aller, Alejandro de la Calle, de la empresa Nielsen, Nos hablaron sobre “Reconocimiento de imagen: Deep learning aplicado a los estudios de mercado”, en el queescribieron la investigación llevada a cabo en deep learning y visión artificial para un proyecto relacionado con estudios de mercado en Nielsen. El objetivo era automatizar una variedad de tareas relacionadas con la adquisición de datos mediante la localización y clasificación de diferentes productos en tiendas repartidas en varios países. Durante la charla, explicaron los algoritmos basados en CNNs aplicados en los sistemas. Finalmente, mostraremos los detalles de implementación y las limitaciones de esta solución en dispositivos móviles. Finalmente, Ferrán Diego, de Telefónica I+D, compartió con la audiencia su último proyecto sobre “Reconocimiento de imagen: Detectando características más discriminantes para ser más eficiente en la toma de decisiones”. Básicamente la ponencia se centró en cómo abaratar costes a través del reconocimiento de imagen. Muchas aplicaciones requieren el aprendizaje de clasificadores o predictores que sean precisos y económicos para evaluar. El coste computacional de la predicción puede reducirse drásticamente si el algoritmo se construye de manera tal que, en la mayoría de las entradas, use características baratas y evaluaciones rápidas. El principal desafío es hacerlo con poca pérdida de precisión. Para ello, presentó una estrategia que tiene en cuenta el coste computacional de inferencia para el entrenamiento de un conjunto de arboles decisión (deep boosted regression trees). y un algoritmo eficiente de clasificación de imágenes basada en aprendizaje profundo y utilizando filtros separables y redes densas de múltiples escalas. Y para darle la bienvenida al verano, el meetup terminó con un picoteo y networking en una terraza muy agradable en todo el centro de Madrid. Para mantenerte al día con LUCA visita nuestra .
9 de julio de 2019
AI & Data
Objetivos de Desarrollo Sostenible para todos los públicos
Hace unos días tuvo lugar el #Imperdible_04, la cuarta edición de un evento sobre Innovación, organizado por la Fundación COTEC. Cada año con una temática distinta, aborda temáticas como el deporte, la música o las ciudades. Esta vez sorprendió al volcarse totalmente a la sostenibilidad de las sociedades del futuro. La cuarta entrega de Los Imperdibles tenía como objetivo contribuir al desarrollo de una sociedad sostenible e igualitaria visibilizando los 17 Objetivos de Desarrollo Sostenible (ODS) que plantea la Agenda 2030. El evento contó con más de 20 experiencias en las que se ofrecían soluciones tecnológicas para colaborar con cada uno de los ODS; principalmente para erradicar la pobreza, extender el acceso a los derechos humanos y luchar contra el cambio climático. El Imperdible comenzó el jueves 6 de junio con la presentación del informe COTEC, un estudio anual que muestra la situación de la I+D+I en España. Contó con la asistencia de diferentes cargos públicos entre las que destacó Meritxell Batet, presidenta del Congreso de Diputados, y Nadia Calviño, ministra de Economía. Entre los días 6 y 7 estuvo abierta la feria en la que LUCA estuvo presente con un proyecto muy innovador (no solo a nivel tecnológico sino por su enfoque), que desarrolló en colaboración con Fundación Telefónica. Un espacio dedicado a hablar sobre “El poder del Big Data para reducir la pobreza y la desigualdad”. LUCA y Fundación Telefónica decidieron abordar el primer reto de los ODS: la erradicación de la pobreza; y es que se trata de un problema muy complejo que afecta a la mayoría de los países y que según las propias palabras de Pedro de Alarcón, Responsable de Big Data for Social Good en LUCA: “[la pobreza] lleva asociado mucho más que la privación material, ya que las personas en dicha situación son más vulnerables en salud, seguridad, educación, integración social, oportunidades para las nuevas generaciones o el acceso a servicios” y en efecto ese fue el enfoque utilizado en este proyecto; entender la pobreza como un problema complejo que afecta a distintos niveles y en diferentes ámbitos de la vida de una persona. Encontrar una solución a semejante problema de semejantes magnitudes, no es una trivialidad y, de hecho, la clave es entender que una única postura no es suficiente, sino que se requiere de muchas acciones que busquen mitigar y mejorar la situación actual. En nuestro caso, como no podía ser de otra manera, nos concentramos a intentar entender, desde las tecnologías, el fenómeno de la pobreza, y por tanto intentar buscar propuestas de mejora. Nuestra sociedad es cada vez más digital y por ello, se generan cantidades masivas de datos que ayudan a entender el fenómeno de la pobreza de una forma mucho más detallada de lo que ha sido posible hasta ahora. Los seis billones de teléfonos móviles en el mundo proporcionan una red de sensores que genera información de gran valor los 365 días del año y a todas horas, y esto abre un mundo de oportunidades, permitiendo avanzar en diferentes proyectos en los que el Big Data y la inteligencia artificial tienen un papel esencial Contar con el dato y, especialmente, saber tratarlo y gestionarlo de manera segura y anónima puede ofrecer una visión de cuál es el contexto y las dinámicas de las poblaciones afectadas por la pobreza, ayudando a los gobiernos y organizaciones no gubernamentales a tomar mejores decisiones de cara a mitigarla e incluso erradicarla. El Stand de Fundación Telefónica y LUCA fue sin duda una oportunidad para aprender más sobre cómo pobreza y desigualdad van de la mano a través de un proyecto sobre visualización en varias dimensiones de la pobreza en España, que “permitiera a las organizaciones que trabajamos a favor de colectivos vulnerables, tomar decisiones basadas en datos para desarrollar proyectos sociales con más impacto y eficacia” afirmaba Lucila Ballarino, Chief Digital Officer de Fundación Telefónica.
10 de junio de 2019
AI & Data
Heroínas desconocidas de la Ciencia y Tecnología
El talento no tiene género y nunca lo tuvo. Y de eso trata este post. A lo largo de la historia el hombre ha dominado en la profesión científica por delante de la mujer. Esto en parte podría ser cierto, y se enmarca en un contexto de desigualdad mucho más amplio en el que no entraremos en este post, pero, por otro lado, la realidad es que la mujer se ha visto invisibilizada por mucho tiempo. La buena noticia, y como ya hemos visto, es que como sociedad estamos dando pasos firmes en reducir esa brecha de género. Nicolás Copérnico, Galileo Galilei, Isaac Newton, Albert Einstein, Stephen Hawking… Seguramente sepamos quienes fueron, o al menos los hemos escuchado alguna vez. Hipatia, Mary Anning, Ada Lovelace, Marie Curie, Grace Hopper… Quizás no nos suene tanto. Así que cambiemos esto; conozcamos algunas pioneras científicas con gran impacto en la forma en como vivimos hoy. Incluso iremos un paso más, como en LUCA somos amantes de los datos y la Inteligencia Artificial, nos centraremos justamente en este ámbito: hablaremos de matemáticas, físicas e ingenieras. Ada Lovelace (1815-1852) Matemática y escritora. Fue la primera persona en crear un programa de ordenador; a partir de tarjetas perforadas con una secuencia gradual de números racionales llamada números de Bernoulli. Su aportación para la informática fue tal, que ¡existe el día de Ada Lovelace! se celebra cada segundo martes de octubre. Figura 1: Ada Lovelace. Hertha Ayrton (1854 – 1923) Ingeniera, matemática e inventora. Su nombre real fue Phoebe Sarah Marks aunque sus amigos la llamaban Hertha por la diosa teutónica de la tierra, así que terminó adoptándolo. Fue la primera mujer miembro de la Asociación de Ingenieros Eléctricos y primera mujer en ganar la medalla Hughes de la Royal Society de Reino Unido por su trabajo publicado “El arco eléctrico”. Figura 2: Hertha Ayrton. Emmy Noether (1882 – 1935) Matemática y física teórica. Creó el campo del álgebra abstracto. Desarrolló teoría sobre energía, tiempo y momento angular, lo que más adelante se conocería como teorema de Noether. Es a día de hoy una de las personas más importantes en el campo de las matemáticas. Figura 3: Emmy Noether. Grace Hopper (Nueva York, 1906 – 1992): Almirante de la armada e informática. Es reconocida como la madre de la programación informática por haber inventado el primer compilador, y de allí creo el COBOL, el primer lenguaje informático universal. lo que cambio para siempre la forma en utilizar los ordenadores. Figura 4: Grace Hopper. Annie Easley (1933 – 2011) Programadora informática, matemática y científica espacial. Trabajó en uno de los primeros programas informáticos de la historia para controlar la navegación en el espacio; en concreto, del cohete Centauro. Actualmente se considera una de las investigaciones más importantes llevadas a cabo por la NASA. Además, hizo significativos estudios sobre las plantas de energía y sobre nuevas baterías eléctricas y creó un programa informático que mediría los vientos solares. Figura 5: Annie Easley. Maryam Mirzajani (1977 – 2017) Matemática. Se especializó en geometría hiperbólica, haciendo grandes avances en ese campo. Su trabajo es fundamental para entender las formas y superficies curvas. En el 2014 se convirtió en la primera mujer en ganar la medalla Fields por su exitosa trayectoria como matemática. Figura 6: Maryam Mirzajani. Estas son solo algunas científicas responsables de la forma en como interactuamos con las máquinas hoy en día, e incluso de la interacción máquina-máquina. Este post se inspira y rescata información del libro ‘Mujeres de Ciencia’ de la escritora e ilustradora Rachel Ignotofsky, así que no podíamos terminar de otra forma que con un pasaje de su libro: “Las mujeres constituyen la mitad de nuestra población y, sencillamente, no podemos permitirnos el lujo de ignorar toda esa capacidad intelectual”.
8 de marzo de 2019
AI & Data
TOP 5: Los 5 posts más leídos de Synergic Partners
Hoy tenemos un anuncio importante que daros, como sabéis Synergic Partners se ha integrado en LUCA, la unidad de datos de Telefónica, y con el objetivo de seguir ofreciendo los mejores contenidos hemos decidido sumar ambos blogs y continuar nuestras publicaciones en LUCA. En este sentido, y en honor al último post publicado por Synergic, os traemos sus 5 posts más leídos. Sin ningún orden en específico, el primer post que os compartimos, es uno que gustó mucho por lograr explicar de una forma muy esquematizada y concisa el recorrido del Machine Learning desde sus inicios. Remontándonos al primer gran hito en 1950 con el “ Test de Turing”, donde la máquina tenía que ser capaz de engañar a un humano haciéndole creer que era humana en lugar de un computador, hasta en 2016, cuando Google DeepMind vence en el juego de mesa Go al jugador profesional Lee Sedol por 5 partidas a 1. Una Breve Historia del Machine Learning En el panorama actual donde nos encontramos, en una economía de datos, resulta fundamental que todas las empresas tengan un conocimiento profundo del valor que tienen sus propios datos para el negocio. Para ello, deben adaptar su plantilla con nuevos perfiles capaces de extraer conocimiento de dichos datos. La figura del Chief Data Officer, emerge con un papel fundamental en este proceso de transición. Aquí nuestro siguiente post destacado: El Chief Data Officer: ¿Qué puede hacer por tu empresa? Big Data e Inteligencia Artificial están en boca de todos, y a ellos se suman nuevos vocablos, hablamos también de Machine Learning y de Deep Learning dentro de la familia de la IA. El siguiente post que os traemos nos explica justo estos términos de una manera muy sencilla y nos aproxima sobre el potencial que tiene la aplicación de estas técnicas para las empresas. La fiebre (o Hype) del Deep Learning Uno de los grandes retos que tiene el análisis de una cantidad ingente de datos es saber plasmarlo de forma clara para que cualquier persona pueda entenderlo, hablamos de miles de variables, millones de datos. Por tanto, es casi tan importante disponer de los datos que saber cómo contarlos. En este post destacado encontramos esta otra cara de la moneda, hablamos de narrar historias a través de los datos, de que los datos nos hablen. Consumer Insights, contando historias más allá de los números Por último, os dejamos con el post más leído en nuestro blog. Puede que sea porque es el día a día de los data scientists. Hablamos de las cosas a tener en cuenta a la hora de normalizar datos, con un enfoque técnico pero a la vez breve y práctico. Precauciones a la hora de normalizar datos en Data Science
7 de diciembre de 2018