tv.um.es

Muy buenas no Mi nombre es Lorenzo Fernández Massimo y soy el director del Departamento de Ingeniería y Tecnología computadores y coordinador del Grado de Ciencia e Ingeniería de Datos. Después de todos los compañeros. Aquí me han facilitado muchísimo el trabajo, porque el grado de Ingeniería de datos es un grado nuevo, acaba de crearse desde el primer año que se imparte y si os dais cuenta, los chicos que han estado diciendo que se dedicaban se dedicaban a Ciencia e Ingeniería de Datos. Entonces, en qué se basa este grado? Este grado lo que intenta es unificar la parte matemática y la parte informática, que necesita un analista de datos, un científico de datos o un ingeniero de datos, y vamos a ver hablar de qué diferencia hay entre 1 otro que nos ofrecen estas carreras profesionales. Hoy, día seguro que estáis ya está cansado de oír hablar de la inteligencia artificial es el boom de los últimos. Desde 2012, que empezó el gran boom del Berlín, es prácticamente un jaime. Ahora todo se habla de Inteligencia artificial a todos en Inteligencia Artificial. Habréis oído hablar, seguro de chat. Por ejemplo, incluso lo habéis usado jugando en nuestro instituto, debe haber que hacer si cuela, está este trabajo que me han pedido que haga la inteligencia artificial, lógicamente esa parte de la inteligencia artificial ahora mismo está muy de moda y se basa en la gran cantidad de datos que disponible. Precisamente él. La diferencia, lo que marcó el arranque de la inteligencia artificial, como la conocemos ahora, el gran boom que ha sufrido es el acceso a una cantidad ingente de datos y el saber cómo tratarla y saber procesarlo de una manera eficiente y rápida. Hasta ese momento la inteligencia artificial vivía una especie de invierno, donde estaba bastante dormida. Aquí pongo 2 ejemplos. Los avances ahora mismo, gracias no sólo a la ciencia de datos a la inteligencia artificial, por ejemplo, es donde trabajaba nuestro compañero, Bernardino Romero es y es 1 de los grandes avances en la biología. Es ayuda a los biólogos. Los bioquímicos realmente a encontrar resolver un problema, que hasta este momento era prácticamente irresoluble, que es muy difícil. Costaba meses de trabajo encontrar de las moléculas, de aminoácidos esto que tanto a mí como a muchos de vosotros sonora chino. Es un problema bastante complejo con la inteligencia artificial. Ahora se ha conseguido un avance bestial y eso implica desarrollo de medicamentos mucho más rápidos tratamientos contra enfermedades que hasta este momento no se podían ni siquiera pensar que se iba a encontrar una molécula; es capaz de sacar moléculas prometedoras para que se pruebe en el laboratorio, etc, y por otro lado, este este vídeo que voy a poner ahora después lo voy a aprobar al final para que veáis que se puede conseguir con Inteligencia Artificial De momento seguir claro. La ciencia de datos se aplica a muchos campos, algunos que seguro que está viviendo en casa, por ejemplo, que no tiene Netflix o un huevo equivalente, no bien. Los recomendados, los que te dicen qué película te va a recomendar todo eso es ciencia de datos, están recopilando datos de tu comportamiento de tu el uso que está dando. Esa es la plataforma de streaming, y son capaces de recomendarte según tus gustos y según lo que ha hecho gente que tenía tu mismo patrón de comportamiento y, por tanto predice habéis alguna vez dembélé punto. Como es una página web. Es mejor traductor que el restaba de traducir a muchos idiomas. Esto también se basa en ciencia de datos aplicada a la inteligencia artificial del tratamiento del lenguaje natural. Entonces, en este caso, por ejemplo, ha habido un gran avance en la traducción automática. Han mejorado muchísimo la los subtítulos automáticos en las películas, YouTube Male, con los cuando veáis algún vídeo de Youtube y de esa transcripción automática ha mejorado considerablemente, y todo eso también gracias a al acceso a la gran cantidad de datos que hay ahora en internet soy muy chulo todo esto, pero al final la ciencia de que vamos a echar un vistazo rápido, la ciencia de datos lo que hace es extraer conocimiento, partir de grandes cantidades de datos, y cuando digo grandes cantidades de datos son cantidades de datos tan grandes que ni las nuevas imaginábamos siquiera. Entonces hay 2 tipos de datos. Hay datos estructurados y no estructurados, y alguien podría decir eso que dices. Es bueno. Cuando tú miras tu cuenta corriente, por ejemplo, pues son datos estructurados, tienes un saldo de movimiento, tiene una cantidad, está claro, es tan tabú lados, se sabe lo que es cada cosa, pero cuando tú ves una fotografía allí no hay estructura, interpretas porque eres una persona y sabes cómo ver esa fotografía. Si hay una persona, si hay un animal, ves la escena y la interpretas, pero un ordenador cómo puede interpretar esos datos? No tienen una estructura que se le haya dado al ordenador que sepa interpretar, y ahí es donde entra la parte de ciencia de datos y la parte de inteligencia artificial, como puedo extraer información a partir de unos datos que no tienen previamente una estructura establecida. Bueno, qué tipo de datos vamos a tener de todo tipo? Sonido, imágenes, datos bancarios, datos de tráfico que circula por la red, datos meteorológicos médicos. Hay tal cantidad de datos que es que todos son datos al año. Podemos extraer más datos que nos gustaría. Por ejemplo, ya te conectas un Google Maps y te dice. Si ha habido un accidente, te dice que Tráfico carretera, por cuál debe ser? Si para evitar el atasco, todos esos datos son en tiempo real y todo eso datos está alimentando unos algoritmos que son capaces de aprender y ajustar tu trayectoria. Esa cantidad de datos ahora mismo es factible manejarla. También hay datos médicos. Qué productos compra? La gente recomendado, como ya he comentado, pero bueno, seguiremos más adelante. En el fondo, que es un vamos a trabajar, vamos a intentar investigar. Esos datos tiene conocimiento, necesitamos para hacer todo esto fijados, que hay 3 ejes informática, matemáticas y 1 que está en gris, que es el conocimiento del campo de aplicación, que quiere decir eso necesita matemáticas, por qué? Pues porque fijamos que lo que están trabajando en este campo suelen ser matemáticos, porque suelen ser matemáticos, porque no había un grado en ciencia e datos entonces quienes se iban a encargar de hacer esto tiene una gran parte de modelado de esos datos, de buscar patrones en esos datos, y toda esa parte se encarga lo que se llama el aprendizaje estadístico, que parte de la rama estadística de las matemáticas, sin embargo, de nada vale tener el modelo y que no haya nada que lo ejecute. A mí me un programa en papel es muy bonito, una ecuación en papel es muy bonita, pero habrá que evaluar esa expresa esa ecuación. Habrá que coger ese modelo y hacer que funcione. Es donde empieza la parte de la informática. La inteligencia artificial se conoce desde los años 50. No hay unos conceptos demasiado novedosos desde los 50 hasta el 2010, que es lo que cambió todo, la capacidad de cómputo, la capacidad de poder ejecutar sobre datos masivos, lo que todo el mundo conocía, como ejecutar sobre 4 datos sueltos, y eso fue lo que cambió todo. Entonces es importante la informática, porque creo que ha revolucionado el campo y el conocimiento del campo de aplicaciones, porque, por mucho que queramos, no podemos aplicar algo a bancos y no sabemos cómo funciona un banco y no podemos aplicar algo a la medicina si no sabemos cómo funciona el campo en el que estamos aplicando la ciencia de datos, luego en el fondo nosotros lo estudiaremos, será Informática y Matemáticas. Pero cuando entren en el mercado laboral que se tendrá que dar el bagaje del campo de conocimiento que vas a aplicar será tu cliente, o sea tu empresa el mundo está lleno de datos. No voy a insistir porque las posibilidades son infinitas que lo que queremos saber, pues vamos a querer saber comportamientos de cliente, proyecciones de venta sobre todo a las empresas. Les interesan muchísimo conocer sus clientes, conocer poder predecir, poder saber si van a tener mayores beneficios, pero lógicamente no se puede hacer por no se puede analizar datos de paro, investigación, se puedan analizar datos simplemente por curiosidad. Qué diferencia hay entre ciencia, ingeniería de datos muy interesante, porque claro, el grado es grave en Ciencia e Ingeniería de datos, pues el matiz es muy sencillo. La ingeniería de datos es el que se va a encargar. El ingeniero de datos se va a encargar de proporcionar esa cantidad masiva de datos de una manera eficaz, rápida, una manera eficiente. Pensar que cuando hablamos de miles de millones de imágenes, miles de millones de imágenes, cómo se gestiona eso que tienen miles de millones de fotografías y la gestiona rápidamente. Cómo? Cómo se absorben esos datos donde se almacenan entramos en conceptos, pues la nube o sonará la nube, no, la famosa nube, todo está en la nube, puede desengañados la nube. No hay nada más con los ordenadores que están en internet en un sitio. Entonces esa nube son unos grandes servidores que son capaces de almacenar cantidades bestiales de datos, y la parte del ingeniero de ingeniero de datos es capaz de extraer esos datos que se requieren aúna una características determinadas que hace el científico de datos. La ciencia de datos es capaz de analizar esos datos nuevos y cuenta. La parte ingeniera de datos está más relacionada con la ingeniería del software y la ingeniería de Sistemas, la parte más informática y una parte más matemática en la parte, ciencia de datos, donde se presenta más en la parte de modelado de esos datos es Yo tengo todos estos datos que me vas a dar, pero que quiero hacer con ellos. Quiero ser capaz de reconocer personas al pasar por aquí o por allí un ejemplo. Mi línea de trabajo. Investigación es reconocimiento de actividad en entornos industriales. Mediante visión por mi visión artificial. Se reconoce que es lo que está haciendo las personas que trabajan en una cierta planta industrial para detectar posibles riesgos. Por ejemplo, una persona pierde el conocimiento y cae al suelo. Detectar qué ha pasado eso? Detectar que una persona está a punto de entrar en una zona en la que hay un robot que puede dañarle ese tipo de cosas. Pues claro, hay necesitas una gran cantidad de datos no estructurados, que son las imágenes, y tienes que ser capaz de extraer información. Cómo es que está haciendo esa persona? Vale salida profesionales? Pues ahora mismo esto se lo rifan decir. Ahora mismo todo el mundo necesita analista de datos. Todas las empresas necesitan y todas las empresas es la moda. Nadie sabe si dentro de 10 años esa moda seguirá lo que está claro es que el conocimiento que se adquiere en las matemáticas, que se aprende en la informática, que se aprende o va a dar el bagaje para adaptarlos a las necesidades del mercado, recordar una carrera con un grado es un conocimiento enfocado a algo, pero realmente ese conocimiento tendrá que adaptar al destino de vuestro trabajo vuestro mal Por ejemplo informática informática generalista matemáticas es generalista siempre lo que se pretende es que tengáis la suficiente capacidad después de pasar por la carrera como para poder ser reconstruidos y adaptarlos a lo que se os pide. Voy a pasar muy rápido. Un analista de datos, como podría ser Belén que me ha venido muy bien, que estuviera aquí Belén, nos ha ido ya, pero, bueno, y lo que hace por lo que hace es que le dan una gran cantidad de datos y lo que tiene que es visualizarlo representarlos, extraer información útil para la empresa, intentar responder a ciertas preguntas. Fundamentalmente. Hace lo que se llama un análisis descriptivo, es decir, cogen muchos históricos y te explica lo que pasó porque cayeron las ventas porque dejaron de entrar clientes; vale. Análisis diagnóstico que lo que ocurrió dejaron de clientes, el diagnóstico, porque sucedió y predictivo que sucederá en el futuro o incluso el descriptivo que tenemos que hacer para que esto cambie. Para esto no me hace falta un gran bagaje matemático. La propia Belén lo indicaba No he aplicado la matemática, decía. Realmente no he aplicado las ecuaciones diferenciales, no hacía falta. Lo que tenía que aplicar era la amplitud de miras que le daba la carrera. En este caso lo que es una persona que tiene que saber enfrentarse esos datos y saber cómo gestionarlos. No hace falta esa carga matemática, pero sí una base matemática importante. El ingeniero de datos fijados aquí lo que va a hacer es coger la nube, y lo que va a hacer es coger todas estos datos, que esto no es aún nada más que ordenadores en la nube capaces de proporcionar información. Vamos a grandes cantidades y lo que va a hacer es recopilar esa información de distintas fuentes que puede haber. Cuando digo yo, por ejemplo, es el internet de las cosas. Muchos no sabremos qué es el interés de las cosas. Son todos los pequeños dispositivos que tenéis por casa, que tienen conexión a Internet. Desde cámaras mucho que sea, por ejemplo sensores hay, ella está frigoríficos que te dicen. Si ya se ha quedado vacío y te hace la solicitud de la compra, etc. Otra cosa es que todo tiene. Ya coneixen Internet, incluso los coches. Pues no. Pues hay 1.000 aplicaciones. Bases de datos, etc. Nosotros mismos estamos proporcionando una gran cantidad de datos con nuestras redes sociales. Toda esa información de alguna manera se tiene que poder almacenar, y toda la tecnología que se encarga de almacenar esa información para proporcionarle al científico de datos es el ingeniero de datos, el que se encarga de organizarla. El científico de datos es el que se va a encargar de modelar, fijados aquí que se basa en más, sin leer ni de vestir Aprendizaje, Automático Big Data, decir gestión de una gran cantidad de datos; es decir, hurgar en esos datos buscando patrones para encontrar comportamientos y inteligencia artificial, pues están ligados a la inteligencia artificial. Y en qué se diferencia un científico de datos de un analista de datos? Pues en el nivel de conocimiento que se requiere aquí si necesitas el conocimiento matemático. Aquí si necesitan las ecuaciones diferenciales y aquí se necesita todo lo que se supone que te han enseñado tanto en el Grado en-Matemáticas como en el grado. En Ciencia e Ingeniería de Datos la parte matemática aquí sobresale porque sí que se le pide autonomía, si se le pide que dado los datos sea capaz de proponer un modelo, que los modelos y que óseos pueda obtener los resultados, mientras que el analista de datos solamente aplica modelos que ya les han dado, intenta interpretarlos. Y qué es esto del machirulo? Ni seguramente muchos. No habréis oído hablar de él, pero es ahora mismo, la rama de la matemática de la inteligencia artificial que más auge está teniendo casi todo. Ahora mismo todos los avances. Mayores avances en Inteligencia Artificial están basados en aprendizaje automático, es más. León, pero triste. Todo tenéis desde los recomendados de película reconocimiento del. Habla los coches autónomos, los motores de búsqueda, la robótica. Todo aquí tenemos algunos ejemplos. He puesto aquí esta difusión. Alphago, Step, difusión no sé si lo conocéis, pero es una página web que te permite describir qué fotografía o qué imagen quieres obtener y hay una inteligencia artificial que te genera una imagen que es acorde a esa descripción. Por ejemplo, le puedes decir Quiero un ratón. Pintado de rosa encima de la Luna, tocando el piano y quiero que me lo hagamos, como si fuera un Comité Disney y te echa, te sugiere 8 o 10 versiones de ese dibujo, y a partir de ahí tus puede ser un diseñador y trabajar a partir de ahí ahora mismo. La idea no tiene suficiente inteligencia, pero hay muchas comillas de inteligencia, porque artificiales muy pretencioso, el nombre vale, pero no tiene suficiente capacidad para para hacer cosas muy sorprendentes, pero es cuestión de poco tiempo de que realmente sea una revolución más grande. Y qué necesitamos para ser un buen científico de datos? Casi lo mismo que para ser informático, matemático junto necesitas curiosidad, pensamiento crítico y habilidades comunicativas. Eso dentro de la parte no técnica, porque a Por qué estamos curiosidad, porque vas a tener que hurgar en muchos datos. Tienes que sentir curiosidad porque qué puedo extraer de esos datos que puedo conseguir a partir de ahí? Que no está habiendo nadie y que voy a ver yo, mal que pensamiento crítico? Pues lógicamente el pensamiento crítico es siempre que estemos. Por ejemplo, desarrollamos un modelo capaces de llegar un momento a ser capaces de evaluar nuestro modelo y decir si ha sido buenos, ha sido malo si obtiene rendimiento que esperábamos capaces de criticarnos a nosotros mismos para mejorar nuestro trabajo y las habilidades comunicativas, porque parte de nuestro trabajo como científico de datos o como ingeniero de datos va a ser transmitir a nuestros jefes, nos contrató a nuestros clientes, lo que hemos deducido esos datos y por tanto, es bueno tener una buena comunicación. Con respecto a tecnología fijaos que casi todo está basado en matemáticas y estadística como aprendizaje automático, modelado, matemático y estadística, y luego programación y base de datos para ser más claros. Vamos a ver las asignaturas de los 3 primeros cursos por encima y contigo para que veáis cómo hay un reparto entre Matemáticas e Informática. Por ejemplo, en el primer curso tenemos más matemáticas informática fijados cálculo 1 en el primer cuatrimestre cálculos matemática discreta probabilidad lineal optimización 6 asignaturas de matemáticas y luego Fundamentos de programación, estructuras de datos, fundamentos de computadores. Introducen a la ciencia de datos asignaturas de programación o de más o menos introducción. Informática. En el segundo curso la cosa se iguala al análisis y diseño, algoritmos, programación para ciencia e datos base de datos que van a ser muy importantes y fundamentos de redes de datos en la parte informática, señales y sistemas fundamentos de inferencia Masilela ni optimización y análisis estadístico variable. La parte matemática, 5 5, conforme va aumentando, va habiendo más parte informática y va la cosa dándose, la vuelta en el tercero, se obvia para el tercero. Tenemos ya mucho de Inteligencia, Artificial, procesamiento de imagen más ni 2 ni más ni con ya se no introducir, pero bueno, es como más, ir Lenín, poco más avanzado, recuperación de información, procesamiento para ver de datos. Todo esta parte empieza ya a confundirse, Matemáticas e Informática en toda la parte de aprendizaje. Llegó un momento en que ya se entremezclan y te necesitas tanto informática como matemáticas para para trabajar en esa parte, pero luego, por ejemplo, tienes infraestructura para la computación de altas prestaciones o visualización de datos, pero en infraestructuras esto es como extraer datos de la nube. Cómo funciona todos los servidores de alto rendimiento, etc. Porque necesitas extraer mucha información. En resumen, está la parte de ingeniería de datos, porque se habla de cómo acceder a esos a esa base de datos de a gran escala que necesitamos mucho base de datos, mucha ingeniera del software y mucha infraestructura, parada, computación de altas prestaciones, y está la parte de ciencia de datos, porque se da toda la parte matemática que vas a necesitar para aplicar es alguien podría decir y qué ventaja tiene esto frente a hacer matemáticas o hacer informática Pues porque cuando terminan matemáticas y llegas a la empresa eres un poco de alguna manera, te puedes reciclar fácilmente en un científico de datos y aprende suficiente inteligencia artificial y modelos que en el fondo hay mucho modelo matemático, pero no le ofrece a la empresa la parte del software, la parte de tecnología que pueden necesitar y si eres informático lo que te pasa lo contrario de ofrecer la parte de tecnología, pero no le puedes notar la carga matemática del modelado, con lo que estamos haciendo de alguna manera es condensar en 4 años el tener una carrera que se adapta más a lo que el mundo exterior requiere de un científico de datos. Mal eso ya ya sabéis que en la carrera no tenéis que ver como una finalidad, yo la vería como un punto de partida, el punto de partida a partir del cual luego te especializadas y desarrolla tu carrera profesional. Mal nadie, nadie puede decir cómo estudié Matemáticas, no me dediqué a la programación. Hay miles de matemáticos que están desarrollando software y, como dice informática, no me dediqué; me metí en Modelado de matemáticos informáticos que están haciendo un modelo matemático, no quiere decir nada, pero no condiciona, pero sí ayuda. Elegir una carrera adecuada, que te que te llame la atención. Bueno, y el vídeo que iba a poner antes era para que veáis hasta qué punto me gustan los videojuegos, pensé bueno, algo motivador de que se consiga ahora mismo, con inteligencia artificial, como puede ser hacer ese hacer que unos personajes de videojuegos sepan luchar solos. Entonces me pareció curioso si os quedáis, con el envidia, y podéis verlo en YouTube. Es una forma ese aprendizaje por refuerzo, una forma inteligente, artificial que lo que hace es, dado un personaje de videojuego. Es capaz de enseñarle a luchar simplemente, a base de que él aprenda a luchar contra otros, igual que se llama aprendizaje por refuerzo. Si lo hace bien, le premia. Es si lo hace mal y lo lo ponéis en semanas de entrenamiento simulado y cuando llevaba unos meses de entrenamiento que son 4, 8 o 10 horas. Realmente aprende a luchar. Van más, pero os haya gustado alguna pregunta.