ºÝºÝߣshows by User: Big-Data-Summit / http://www.slideshare.net/images/logo.gif ºÝºÝߣshows by User: Big-Data-Summit / Tue, 04 Sep 2018 17:48:08 GMT ºÝºÝߣShare feed for ºÝºÝߣshows by User: Big-Data-Summit SafeHomeFace - Sistema de reconocimiento facial. https://es.slideshare.net/slideshow/safehomeface-sistema-de-reconocimiento-facial/112973112 12bdas2018-datascienceprojectsummitbigdata1-180904174808
Brindar a las Empresas de seguridad y administradoras de condominios, una plataforma para gestionar las cámaras de seguridad instaladas en sus clientes, utilizando algoritmos de machine learning]]>
Brindar a las Empresas de seguridad y administradoras de condominios, una plataforma para gestionar las cámaras de seguridad instaladas en sus clientes, utilizando algoritmos de machine learning]]> Tue, 04 Sep 2018 17:48:08 GMT https://es.slideshare.net/slideshow/safehomeface-sistema-de-reconocimiento-facial/112973112 Big-Data-Summit@slideshare.net(Big-Data-Summit) SafeHomeFace - Sistema de reconocimiento facial. Big-Data-Summit Brindar a las Empresas de seguridad y administradoras de condominios, una plataforma para gestionar las cámaras de seguridad instaladas en sus clientes, utilizando algoritmos de machine learning <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/12bdas2018-datascienceprojectsummitbigdata1-180904174808-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Brindar a las Empresas de seguridad y administradoras de condominios, una plataforma para gestionar las cámaras de seguridad instaladas en sus clientes, utilizando algoritmos de machine learning
from Big-Data-Summit
]]> 606 2 https://cdn.slidesharecdn.com/ss_thumbnails/12bdas2018-datascienceprojectsummitbigdata1-180904174808-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Las 10 tendencias principales de BI para el 2018 - Carloz Díaz https://es.slideshare.net/slideshow/las-10-tendencias-principales-de-bi-para-el-2018-carloz-daz/112971564 06s1bdas2018-topbitrends2018-bdas2018-180904173604
El ritmo y la evolución de las soluciones de inteligencia de negocios implican que lo que hoy funciona podría requerir ciertas modificaciones el día de mañana. ]]>
El ritmo y la evolución de las soluciones de inteligencia de negocios implican que lo que hoy funciona podría requerir ciertas modificaciones el día de mañana. ]]> Tue, 04 Sep 2018 17:36:04 GMT https://es.slideshare.net/slideshow/las-10-tendencias-principales-de-bi-para-el-2018-carloz-daz/112971564 Big-Data-Summit@slideshare.net(Big-Data-Summit) Las 10 tendencias principales de BI para el 2018 - Carloz Díaz Big-Data-Summit El ritmo y la evolución de las soluciones de inteligencia de negocios implican que lo que hoy funciona podría requerir ciertas modificaciones el día de mañana. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/06s1bdas2018-topbitrends2018-bdas2018-180904173604-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> El ritmo y la evolución de las soluciones de inteligencia de negocios implican que lo que hoy funciona podría requerir ciertas modificaciones el día de mañana.
from Big-Data-Summit
]]> 225 1 https://cdn.slidesharecdn.com/ss_thumbnails/06s1bdas2018-topbitrends2018-bdas2018-180904173604-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 El big data analytics donde menos te lo esperas - Alex Rayón /slideshow/el-big-data-analytics-donde-menos-te-lo-esperas-alex-rayn/112968962 05s2bdas2018-201825-180904171615
El big data analytics donde menos te lo esperas.]]>
El big data analytics donde menos te lo esperas.]]> Tue, 04 Sep 2018 17:16:15 GMT /slideshow/el-big-data-analytics-donde-menos-te-lo-esperas-alex-rayn/112968962 Big-Data-Summit@slideshare.net(Big-Data-Summit) El big data analytics donde menos te lo esperas - Alex Rayón Big-Data-Summit El big data analytics donde menos te lo esperas. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/05s2bdas2018-201825-180904171615-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> El big data analytics donde menos te lo esperas.
El big data analytics donde menos te lo esperas - Alex Rayå¦n from Big-Data-Summit
]]> 339 2 https://cdn.slidesharecdn.com/ss_thumbnails/05s2bdas2018-201825-180904171615-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Big Data en el sector inmobiliario - Gonzalo Martín https://es.slideshare.net/slideshow/big-data-en-el-sector-inmobiliario-gonzalo-martn/112967854 05s1bdas2018-bigdatasummitinmobiliariovf-180904170832
Mejora del conocimiento del cliente en el sector inmobiliario y su aplicación a la gestión comercial. ]]>
Mejora del conocimiento del cliente en el sector inmobiliario y su aplicación a la gestión comercial. ]]> Tue, 04 Sep 2018 17:08:32 GMT https://es.slideshare.net/slideshow/big-data-en-el-sector-inmobiliario-gonzalo-martn/112967854 Big-Data-Summit@slideshare.net(Big-Data-Summit) Big Data en el sector inmobiliario - Gonzalo Martín Big-Data-Summit Mejora del conocimiento del cliente en el sector inmobiliario y su aplicación a la gestión comercial. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/05s1bdas2018-bigdatasummitinmobiliariovf-180904170832-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Mejora del conocimiento del cliente en el sector inmobiliario y su aplicación a la gestión comercial.
from Big-Data-Summit
]]> 1062 1 https://cdn.slidesharecdn.com/ss_thumbnails/05s1bdas2018-bigdatasummitinmobiliariovf-180904170832-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Modelo Operativo para grandes proyectos de AI - Ignacio Marrero https://es.slideshare.net/slideshow/modelo-operativo-para-grandes-proyectos-de-ai-ignacio-marrero/112963684 02bdas2018-modelooperativoai20180822-ignaciomarrero-180904163742
La implantación de técnicas de Inteligencia Artificial puede tener un impacto diferencial en la transformación digital de las compañías. ]]>
La implantación de técnicas de Inteligencia Artificial puede tener un impacto diferencial en la transformación digital de las compañías. ]]> Tue, 04 Sep 2018 16:37:42 GMT https://es.slideshare.net/slideshow/modelo-operativo-para-grandes-proyectos-de-ai-ignacio-marrero/112963684 Big-Data-Summit@slideshare.net(Big-Data-Summit) Modelo Operativo para grandes proyectos de AI - Ignacio Marrero Big-Data-Summit La implantación de técnicas de Inteligencia Artificial puede tener un impacto diferencial en la transformación digital de las compañías. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/02bdas2018-modelooperativoai20180822-ignaciomarrero-180904163742-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> La implantación de técnicas de Inteligencia Artificial puede tener un impacto diferencial en la transformación digital de las compañías.
from Big-Data-Summit
]]> 1624 2 https://cdn.slidesharecdn.com/ss_thumbnails/02bdas2018-modelooperativoai20180822-ignaciomarrero-180904163742-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 La evolución de la analítica descriptiva - Diego Aguirre /slideshow/la-evolucin-de-la-analtica-descriptiva-diego-aguirre/112963450 01bdas2018-ibmdiegoaguirre-180904163554
Transformando reportes en historias.]]>
Transformando reportes en historias.]]> Tue, 04 Sep 2018 16:35:54 GMT /slideshow/la-evolucin-de-la-analtica-descriptiva-diego-aguirre/112963450 Big-Data-Summit@slideshare.net(Big-Data-Summit) La evolución de la analítica descriptiva - Diego Aguirre Big-Data-Summit Transformando reportes en historias. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/01bdas2018-ibmdiegoaguirre-180904163554-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Transformando reportes en historias.
La evoluciå¦n de la anal鱈tica descriptiva - Diego Aguirre from Big-Data-Summit
]]> 309 1 https://cdn.slidesharecdn.com/ss_thumbnails/01bdas2018-ibmdiegoaguirre-180904163554-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 El dato tiene forma y la forma significado - Josep Curto https://es.slideshare.net/slideshow/el-dato-tiene-forma-y-la-forma-significado-josep-curto/112961397 11bdas2018-eldatatieneformaylaformasignificado-josepcurto-180904162029
Una organización sin algoritmos y datos no puede competir con una que los usa.]]>
Una organización sin algoritmos y datos no puede competir con una que los usa.]]> Tue, 04 Sep 2018 16:20:29 GMT https://es.slideshare.net/slideshow/el-dato-tiene-forma-y-la-forma-significado-josep-curto/112961397 Big-Data-Summit@slideshare.net(Big-Data-Summit) El dato tiene forma y la forma significado - Josep Curto Big-Data-Summit Una organización sin algoritmos y datos no puede competir con una que los usa. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/11bdas2018-eldatatieneformaylaformasignificado-josepcurto-180904162029-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Una organización sin algoritmos y datos no puede competir con una que los usa.
from Big-Data-Summit
]]> 205 2 https://cdn.slidesharecdn.com/ss_thumbnails/11bdas2018-eldatatieneformaylaformasignificado-josepcurto-180904162029-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Evolución de Open Data en el desarrollo de las ciudades inteligentes https://es.slideshare.net/slideshow/bdas2017-evolucin-de-open-data-en-el-desarrollo-de-las-ciudades-inteligentes/79454044 18vlopendata-smartcities-170905153600
Desde que en 2004 la entonces Open Knowledge Foundation iniciara su andadura reclamando el derecho de los ciudadanos sobre los datos públicos, la panorámica universal ha cambiado enormemente. En parte gracias a las políticas de transparencia de los gobiernos más avanzados y en parte también por el necesario desarrollo de las smartcities. Una estrategia muy aceptada por las grandes ciudades para conseguir una moderna calidad de vida sin comprometer la seguridad de los ciudadanos es motivar la participación de empresas, instituciones e individuos en el desarrollo de los recursos y aplicaciones: "Te invitamos a descubrir y construir a través de los datos públicos†es el mensaje de algunos gobiernos. Pero, ¿cómo se consigue? Está claro que las nuevas tecnologías de la información están muy presentes en este objetivo. Los ciudadanos de cualquier índole son invitados a participar con su opinión, proporcionándoles toda la información necesaria de forma transparente. Las empresas son invitadas a generar negocios de interés para los ciudadanos que a la vez generen riqueza y contribuyan al desarrollo económico de las empresas e instituciones. Un ejemplo es la aplicación Moovit que nos permite saber a qué hora llegara el autobús, pero hoy en día hay ya infinidad de aplicaciones basadas en la reutilización de datos abiertos. Motivados por las políticas de transparencia, los gobiernos están dispuestos a proporcionar la materia prima más valiosa: los datos. Estos datos son recogidos con dinero público, almacenados y actualizados en formatos fácilmente manejables. Una vez publicados se convierten en Open Data. Desde el 30 de septiembre de 2010, cuando el Archivo Nacional del Reino Unido liberó la primera licencia gubernamental de reutilización de los datos, las doctrinas de Gobierno Abierto han tenido como objetivo que la ciudadanía colabore en la creación y mejora de servicios públicos y en la transparencia. Habitualmente los Open Data son accesibles en portales web que han ido evolucionando muy positivamente en los últimos años. En estos portales podemos descargar conjuntos de datos -datasets- y analizarlos directamente. También podemos solicitar la publicación de nuevos conjuntos de datos o automatizar descargas o consultas de interés para nuestros negocios. En la era del Big Data, las fuentes de información abiertas cobran un especial interés: son datos actualizados, limpios y fiables. No requieren complicados procesos de integración al no contener ruido y sólo tendremos que descargar los que necesitemos en cada momento, por lo que ahorramos tanto tiempo de transferencia como costes de almacenamiento. ]]>
Desde que en 2004 la entonces Open Knowledge Foundation iniciara su andadura reclamando el derecho de los ciudadanos sobre los datos públicos, la panorámica universal ha cambiado enormemente. En parte gracias a las políticas de transparencia de los gobiernos más avanzados y en parte también por el necesario desarrollo de las smartcities. Una estrategia muy aceptada por las grandes ciudades para conseguir una moderna calidad de vida sin comprometer la seguridad de los ciudadanos es motivar la participación de empresas, instituciones e individuos en el desarrollo de los recursos y aplicaciones: "Te invitamos a descubrir y construir a través de los datos públicos†es el mensaje de algunos gobiernos. Pero, ¿cómo se consigue? Está claro que las nuevas tecnologías de la información están muy presentes en este objetivo. Los ciudadanos de cualquier índole son invitados a participar con su opinión, proporcionándoles toda la información necesaria de forma transparente. Las empresas son invitadas a generar negocios de interés para los ciudadanos que a la vez generen riqueza y contribuyan al desarrollo económico de las empresas e instituciones. Un ejemplo es la aplicación Moovit que nos permite saber a qué hora llegara el autobús, pero hoy en día hay ya infinidad de aplicaciones basadas en la reutilización de datos abiertos. Motivados por las políticas de transparencia, los gobiernos están dispuestos a proporcionar la materia prima más valiosa: los datos. Estos datos son recogidos con dinero público, almacenados y actualizados en formatos fácilmente manejables. Una vez publicados se convierten en Open Data. Desde el 30 de septiembre de 2010, cuando el Archivo Nacional del Reino Unido liberó la primera licencia gubernamental de reutilización de los datos, las doctrinas de Gobierno Abierto han tenido como objetivo que la ciudadanía colabore en la creación y mejora de servicios públicos y en la transparencia. Habitualmente los Open Data son accesibles en portales web que han ido evolucionando muy positivamente en los últimos años. En estos portales podemos descargar conjuntos de datos -datasets- y analizarlos directamente. También podemos solicitar la publicación de nuevos conjuntos de datos o automatizar descargas o consultas de interés para nuestros negocios. En la era del Big Data, las fuentes de información abiertas cobran un especial interés: son datos actualizados, limpios y fiables. No requieren complicados procesos de integración al no contener ruido y sólo tendremos que descargar los que necesitemos en cada momento, por lo que ahorramos tanto tiempo de transferencia como costes de almacenamiento. ]]> Tue, 05 Sep 2017 15:36:00 GMT https://es.slideshare.net/slideshow/bdas2017-evolucin-de-open-data-en-el-desarrollo-de-las-ciudades-inteligentes/79454044 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Evolución de Open Data en el desarrollo de las ciudades inteligentes Big-Data-Summit Desde que en 2004 la entonces Open Knowledge Foundation iniciara su andadura reclamando el derecho de los ciudadanos sobre los datos públicos, la panorámica universal ha cambiado enormemente. En parte gracias a las políticas de transparencia de los gobiernos más avanzados y en parte también por el necesario desarrollo de las smartcities. Una estrategia muy aceptada por las grandes ciudades para conseguir una moderna calidad de vida sin comprometer la seguridad de los ciudadanos es motivar la participación de empresas, instituciones e individuos en el desarrollo de los recursos y aplicaciones: "Te invitamos a descubrir y construir a través de los datos públicos†es el mensaje de algunos gobiernos. Pero, ¿cómo se consigue? Está claro que las nuevas tecnologías de la información están muy presentes en este objetivo. Los ciudadanos de cualquier índole son invitados a participar con su opinión, proporcionándoles toda la información necesaria de forma transparente. Las empresas son invitadas a generar negocios de interés para los ciudadanos que a la vez generen riqueza y contribuyan al desarrollo económico de las empresas e instituciones. Un ejemplo es la aplicación Moovit que nos permite saber a qué hora llegara el autobús, pero hoy en día hay ya infinidad de aplicaciones basadas en la reutilización de datos abiertos. Motivados por las políticas de transparencia, los gobiernos están dispuestos a proporcionar la materia prima más valiosa: los datos. Estos datos son recogidos con dinero público, almacenados y actualizados en formatos fácilmente manejables. Una vez publicados se convierten en Open Data. Desde el 30 de septiembre de 2010, cuando el Archivo Nacional del Reino Unido liberó la primera licencia gubernamental de reutilización de los datos, las doctrinas de Gobierno Abierto han tenido como objetivo que la ciudadanía colabore en la creación y mejora de servicios públicos y en la transparencia. Habitualmente los Open Data son accesibles en portales web que han ido evolucionando muy positivamente en los últimos años. En estos portales podemos descargar conjuntos de datos -datasets- y analizarlos directamente. También podemos solicitar la publicación de nuevos conjuntos de datos o automatizar descargas o consultas de interés para nuestros negocios. En la era del Big Data, las fuentes de información abiertas cobran un especial interés: son datos actualizados, limpios y fiables. No requieren complicados procesos de integración al no contener ruido y sólo tendremos que descargar los que necesitemos en cada momento, por lo que ahorramos tanto tiempo de transferencia como costes de almacenamiento. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/18vlopendata-smartcities-170905153600-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Desde que en 2004 la entonces Open Knowledge Foundation iniciara su andadura reclamando el derecho de los ciudadanos sobre los datos públicos, la panorámica universal ha cambiado enormemente. En parte gracias a las políticas de transparencia de los gobiernos más avanzados y en parte también por el necesario desarrollo de las smartcities. Una estrategia muy aceptada por las grandes ciudades para conseguir una moderna calidad de vida sin comprometer la seguridad de los ciudadanos es motivar la participación de empresas, instituciones e individuos en el desarrollo de los recursos y aplicaciones: &quot;Te invitamos a descubrir y construir a través de los datos públicos†es el mensaje de algunos gobiernos. Pero, ¿cómo se consigue? Está claro que las nuevas tecnologías de la información están muy presentes en este objetivo. Los ciudadanos de cualquier índole son invitados a participar con su opinión, proporcionándoles toda la información necesaria de forma transparente. Las empresas son invitadas a generar negocios de interés para los ciudadanos que a la vez generen riqueza y contribuyan al desarrollo económico de las empresas e instituciones. Un ejemplo es la aplicación Moovit que nos permite saber a qué hora llegara el autobús, pero hoy en día hay ya infinidad de aplicaciones basadas en la reutilización de datos abiertos. Motivados por las políticas de transparencia, los gobiernos están dispuestos a proporcionar la materia prima más valiosa: los datos. Estos datos son recogidos con dinero público, almacenados y actualizados en formatos fácilmente manejables. Una vez publicados se convierten en Open Data. Desde el 30 de septiembre de 2010, cuando el Archivo Nacional del Reino Unido liberó la primera licencia gubernamental de reutilización de los datos, las doctrinas de Gobierno Abierto han tenido como objetivo que la ciudadanía colabore en la creación y mejora de servicios públicos y en la transparencia. Habitualmente los Open Data son accesibles en portales web que han ido evolucionando muy positivamente en los últimos años. En estos portales podemos descargar conjuntos de datos -datasets- y analizarlos directamente. También podemos solicitar la publicación de nuevos conjuntos de datos o automatizar descargas o consultas de interés para nuestros negocios. En la era del Big Data, las fuentes de información abiertas cobran un especial interés: son datos actualizados, limpios y fiables. No requieren complicados procesos de integración al no contener ruido y sólo tendremos que descargar los que necesitemos en cada momento, por lo que ahorramos tanto tiempo de transferencia como costes de almacenamiento.
from Big-Data-Summit
]]> 1351 2 https://cdn.slidesharecdn.com/ss_thumbnails/18vlopendata-smartcities-170905153600-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Deep Learning para Extracción de Valor en Contenidos Digitales https://es.slideshare.net/Big-Data-Summit/bdas2017-deep-learning-para-extraccin-de-valor-en-contenidos-digitales 27radeeplearning-170905142328
Es común referirse al "Dark Data" como aquellos conjuntos de datos que no son directamente aprovechables por medios automatizados y que requerirían la intervención de expertos humanos para interpretarlos correctamente. En esta sesión se presentan las nuevas técnicas y herramientas de Deep Learning, que hacen posible la extracción automática de metadatos y relaciones semánticas mediante el uso de redes de neuronas profundas. En particular, se analizarán los casos de uso más habituales en los ecosistemas Big Data: visión artificial y comprensión del lenguaje.]]>
Es común referirse al "Dark Data" como aquellos conjuntos de datos que no son directamente aprovechables por medios automatizados y que requerirían la intervención de expertos humanos para interpretarlos correctamente. En esta sesión se presentan las nuevas técnicas y herramientas de Deep Learning, que hacen posible la extracción automática de metadatos y relaciones semánticas mediante el uso de redes de neuronas profundas. En particular, se analizarán los casos de uso más habituales en los ecosistemas Big Data: visión artificial y comprensión del lenguaje.]]> Tue, 05 Sep 2017 14:23:28 GMT https://es.slideshare.net/Big-Data-Summit/bdas2017-deep-learning-para-extraccin-de-valor-en-contenidos-digitales Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Deep Learning para Extracción de Valor en Contenidos Digitales Big-Data-Summit Es común referirse al "Dark Data" como aquellos conjuntos de datos que no son directamente aprovechables por medios automatizados y que requerirían la intervención de expertos humanos para interpretarlos correctamente. En esta sesión se presentan las nuevas técnicas y herramientas de Deep Learning, que hacen posible la extracción automática de metadatos y relaciones semánticas mediante el uso de redes de neuronas profundas. En particular, se analizarán los casos de uso más habituales en los ecosistemas Big Data: visión artificial y comprensión del lenguaje. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/27radeeplearning-170905142328-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Es común referirse al &quot;Dark Data&quot; como aquellos conjuntos de datos que no son directamente aprovechables por medios automatizados y que requerirían la intervención de expertos humanos para interpretarlos correctamente. En esta sesión se presentan las nuevas técnicas y herramientas de Deep Learning, que hacen posible la extracción automática de metadatos y relaciones semánticas mediante el uso de redes de neuronas profundas. En particular, se analizarán los casos de uso más habituales en los ecosistemas Big Data: visión artificial y comprensión del lenguaje.
from Big-Data-Summit
]]> 1271 2 https://cdn.slidesharecdn.com/ss_thumbnails/27radeeplearning-170905142328-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Maximizing a churn campaign’s profitability with cost sensitive machine learning /slideshow/bdas2017-maximizing-a-churn-campaigns-profitability-with-cost-sensitive-machine-learning/79451315 26acmaximizingachurncampaignsprofitabilitywithcostsensitivemachinelearning-170905142322
Los modelos predictivos de fuga de clientes churn tratan de predecir la probabilidad de que un cliente sea desertor de la empresa analizando su comportamiento histórico y su información socio económica. Esta herramienta permite maximizar los resultados de las campañas de retención. Los actuales algoritmos de clasificación de última generación no están bien alineados con los objetivos comerciales, en el sentido de que los modelos no incluyen los costos y beneficios financieros reales durante las etapas de entrenamiento y evaluación. En esta presentación, se muestra una nueva metodología sensible al costo para el modelo predictivo de churn de clientes. Primero proponemos una nueva medida financiera para evaluar la efectividad de una campaña de churn teniendo en cuenta la cartera de ofertas disponible, su costo financiero individual y la probabilidad de aceptación de la oferta en función del perfil del cliente. Luego, usando un conjunto de datos de churn del mundo real, comparamos diferentes algoritmos de clasificación y mediremos su efectividad basándonos en su poder predictivo y también en la optimización de costos. Los resultados muestran que el uso de un enfoque sensible al costo produce un aumento en los ahorros de costos de hasta el 26,4%.]]>
Los modelos predictivos de fuga de clientes churn tratan de predecir la probabilidad de que un cliente sea desertor de la empresa analizando su comportamiento histórico y su información socio económica. Esta herramienta permite maximizar los resultados de las campañas de retención. Los actuales algoritmos de clasificación de última generación no están bien alineados con los objetivos comerciales, en el sentido de que los modelos no incluyen los costos y beneficios financieros reales durante las etapas de entrenamiento y evaluación. En esta presentación, se muestra una nueva metodología sensible al costo para el modelo predictivo de churn de clientes. Primero proponemos una nueva medida financiera para evaluar la efectividad de una campaña de churn teniendo en cuenta la cartera de ofertas disponible, su costo financiero individual y la probabilidad de aceptación de la oferta en función del perfil del cliente. Luego, usando un conjunto de datos de churn del mundo real, comparamos diferentes algoritmos de clasificación y mediremos su efectividad basándonos en su poder predictivo y también en la optimización de costos. Los resultados muestran que el uso de un enfoque sensible al costo produce un aumento en los ahorros de costos de hasta el 26,4%.]]> Tue, 05 Sep 2017 14:23:22 GMT /slideshow/bdas2017-maximizing-a-churn-campaigns-profitability-with-cost-sensitive-machine-learning/79451315 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Maximizing a churn campaign’s profitability with cost sensitive machine learning Big-Data-Summit Los modelos predictivos de fuga de clientes churn tratan de predecir la probabilidad de que un cliente sea desertor de la empresa analizando su comportamiento histórico y su información socio económica. Esta herramienta permite maximizar los resultados de las campañas de retención. Los actuales algoritmos de clasificación de última generación no están bien alineados con los objetivos comerciales, en el sentido de que los modelos no incluyen los costos y beneficios financieros reales durante las etapas de entrenamiento y evaluación. En esta presentación, se muestra una nueva metodología sensible al costo para el modelo predictivo de churn de clientes. Primero proponemos una nueva medida financiera para evaluar la efectividad de una campaña de churn teniendo en cuenta la cartera de ofertas disponible, su costo financiero individual y la probabilidad de aceptación de la oferta en función del perfil del cliente. Luego, usando un conjunto de datos de churn del mundo real, comparamos diferentes algoritmos de clasificación y mediremos su efectividad basándonos en su poder predictivo y también en la optimización de costos. Los resultados muestran que el uso de un enfoque sensible al costo produce un aumento en los ahorros de costos de hasta el 26,4%. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/26acmaximizingachurncampaignsprofitabilitywithcostsensitivemachinelearning-170905142322-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Los modelos predictivos de fuga de clientes churn tratan de predecir la probabilidad de que un cliente sea desertor de la empresa analizando su comportamiento histórico y su información socio económica. Esta herramienta permite maximizar los resultados de las campañas de retención. Los actuales algoritmos de clasificación de última generación no están bien alineados con los objetivos comerciales, en el sentido de que los modelos no incluyen los costos y beneficios financieros reales durante las etapas de entrenamiento y evaluación. En esta presentación, se muestra una nueva metodología sensible al costo para el modelo predictivo de churn de clientes. Primero proponemos una nueva medida financiera para evaluar la efectividad de una campaña de churn teniendo en cuenta la cartera de ofertas disponible, su costo financiero individual y la probabilidad de aceptación de la oferta en función del perfil del cliente. Luego, usando un conjunto de datos de churn del mundo real, comparamos diferentes algoritmos de clasificación y mediremos su efectividad basándonos en su poder predictivo y también en la optimización de costos. Los resultados muestran que el uso de un enfoque sensible al costo produce un aumento en los ahorros de costos de hasta el 26,4%.
BDAS-2017 | Maximizing a churn campaign’s profitability with cost sensitive machine learning from Big-Data-Summit
]]> 1302 2 https://cdn.slidesharecdn.com/ss_thumbnails/26acmaximizingachurncampaignsprofitabilitywithcostsensitivemachinelearning-170905142322-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | sanselix jobranke_rpptx https://es.slideshare.net/slideshow/bdas2017-sanselix-jobrankerpptx/79451314 02sanselixjobrankerpptx-170905142320
-]]>
-]]> Tue, 05 Sep 2017 14:23:20 GMT https://es.slideshare.net/slideshow/bdas2017-sanselix-jobrankerpptx/79451314 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | sanselix jobranke_rpptx Big-Data-Summit - <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/02sanselixjobrankerpptx-170905142320-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> -
from Big-Data-Summit
]]> 68 2 https://cdn.slidesharecdn.com/ss_thumbnails/02sanselixjobrankerpptx-170905142320-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Analitica visual presentación mlms2 https://es.slideshare.net/Big-Data-Summit/bdas2017-analitica-visual-presentacin-mlms2 analiticavisualpresentacinmlms2-170905142301
-]]>
-]]> Tue, 05 Sep 2017 14:23:01 GMT https://es.slideshare.net/Big-Data-Summit/bdas2017-analitica-visual-presentacin-mlms2 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Analitica visual presentación mlms2 Big-Data-Summit - <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/analiticavisualpresentacinmlms2-170905142301-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> -
from Big-Data-Summit
]]> 99 3 https://cdn.slidesharecdn.com/ss_thumbnails/analiticavisualpresentacinmlms2-170905142301-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Comunidad Data Science https://es.slideshare.net/slideshow/bdas2017-comunidad-data-science/79451236 31comunidaddatascience-170905142114
-]]>
-]]> Tue, 05 Sep 2017 14:21:14 GMT https://es.slideshare.net/slideshow/bdas2017-comunidad-data-science/79451236 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Comunidad Data Science Big-Data-Summit - <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/31comunidaddatascience-170905142114-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> -
from Big-Data-Summit
]]> 67 2 https://cdn.slidesharecdn.com/ss_thumbnails/31comunidaddatascience-170905142114-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | DMC Challengue concurso satisfacción universidad https://es.slideshare.net/slideshow/bdas2017-dmc-challengue-concurso-satisfaccin-universidad/79451166 30dmcchallengueconcursosatisfaccinuniversidad-cqb-3-170905141918
-]]>
-]]> Tue, 05 Sep 2017 14:19:18 GMT https://es.slideshare.net/slideshow/bdas2017-dmc-challengue-concurso-satisfaccin-universidad/79451166 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | DMC Challengue concurso satisfacción universidad Big-Data-Summit - <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/30dmcchallengueconcursosatisfaccinuniversidad-cqb-3-170905141918-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> -
from Big-Data-Summit
]]> 1215 2 https://cdn.slidesharecdn.com/ss_thumbnails/30dmcchallengueconcursosatisfaccinuniversidad-cqb-3-170905141918-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Hanldling Target Bias in Predictive Modelling /slideshow/bdas2017-hanldling-target-bias-in-predictive-modelling/79451163 21presentationtimibdas2017-170905141917
Todos cometemos errores cuando desarrollamos modelos predictivos y es así como nosotros aprendemos. Frank Vanden Berghen, CEO of Timi, y Daniel Soto Zeevaert (Director Lat Am of Timi) con más de 30 años de experiencia cometiendo errores en la construcción de modelos predictivos nos compartirán su experiencia y muchas formas creativas en que los analistas pueden equivocarse y construir malos modelos predictivos inclusive utilizando las mejores herramientas y algoritmos.]]>
Todos cometemos errores cuando desarrollamos modelos predictivos y es así como nosotros aprendemos. Frank Vanden Berghen, CEO of Timi, y Daniel Soto Zeevaert (Director Lat Am of Timi) con más de 30 años de experiencia cometiendo errores en la construcción de modelos predictivos nos compartirán su experiencia y muchas formas creativas en que los analistas pueden equivocarse y construir malos modelos predictivos inclusive utilizando las mejores herramientas y algoritmos.]]> Tue, 05 Sep 2017 14:19:17 GMT /slideshow/bdas2017-hanldling-target-bias-in-predictive-modelling/79451163 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Hanldling Target Bias in Predictive Modelling Big-Data-Summit Todos cometemos errores cuando desarrollamos modelos predictivos y es así como nosotros aprendemos. Frank Vanden Berghen, CEO of Timi, y Daniel Soto Zeevaert (Director Lat Am of Timi) con más de 30 años de experiencia cometiendo errores en la construcción de modelos predictivos nos compartirán su experiencia y muchas formas creativas en que los analistas pueden equivocarse y construir malos modelos predictivos inclusive utilizando las mejores herramientas y algoritmos. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/21presentationtimibdas2017-170905141917-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Todos cometemos errores cuando desarrollamos modelos predictivos y es así como nosotros aprendemos. Frank Vanden Berghen, CEO of Timi, y Daniel Soto Zeevaert (Director Lat Am of Timi) con más de 30 años de experiencia cometiendo errores en la construcción de modelos predictivos nos compartirán su experiencia y muchas formas creativas en que los analistas pueden equivocarse y construir malos modelos predictivos inclusive utilizando las mejores herramientas y algoritmos.
BDAS-2017 | Hanldling Target Bias in Predictive Modelling from Big-Data-Summit
]]> 1187 2 https://cdn.slidesharecdn.com/ss_thumbnails/21presentationtimibdas2017-170905141917-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Convergencia entre Open Data y Big Data, casos y tendencias https://es.slideshare.net/slideshow/convergencia-entre-open-data-y-big-data-casos-y-tendencias/79451153 20dmconvergenciaopendatabigdata-170905141903
Breve Descripción: Esta presentación tratará sobre la convergencia entre las tendencias de Datos Abiertos y Big Data. Gobiernos alrededor del mundo están abriendo cada vez más conjuntos de datos de valor y estos están siendo parte de dataductos creando valor en el sector privado. Esta charla comentará ejemplos y casos y discutirá algunas tendencias. También se dará un ejemplo práctico de datos abiertos importados a r para generar análisis y valor.]]>
Breve Descripción: Esta presentación tratará sobre la convergencia entre las tendencias de Datos Abiertos y Big Data. Gobiernos alrededor del mundo están abriendo cada vez más conjuntos de datos de valor y estos están siendo parte de dataductos creando valor en el sector privado. Esta charla comentará ejemplos y casos y discutirá algunas tendencias. También se dará un ejemplo práctico de datos abiertos importados a r para generar análisis y valor.]]> Tue, 05 Sep 2017 14:19:03 GMT https://es.slideshare.net/slideshow/convergencia-entre-open-data-y-big-data-casos-y-tendencias/79451153 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Convergencia entre Open Data y Big Data, casos y tendencias Big-Data-Summit Breve Descripción: Esta presentación tratará sobre la convergencia entre las tendencias de Datos Abiertos y Big Data. Gobiernos alrededor del mundo están abriendo cada vez más conjuntos de datos de valor y estos están siendo parte de dataductos creando valor en el sector privado. Esta charla comentará ejemplos y casos y discutirá algunas tendencias. También se dará un ejemplo práctico de datos abiertos importados a r para generar análisis y valor. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/20dmconvergenciaopendatabigdata-170905141903-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Breve Descripción: Esta presentación tratará sobre la convergencia entre las tendencias de Datos Abiertos y Big Data. Gobiernos alrededor del mundo están abriendo cada vez más conjuntos de datos de valor y estos están siendo parte de dataductos creando valor en el sector privado. Esta charla comentará ejemplos y casos y discutirá algunas tendencias. También se dará un ejemplo práctico de datos abiertos importados a r para generar análisis y valor.
from Big-Data-Summit
]]> 1238 3 https://cdn.slidesharecdn.com/ss_thumbnails/20dmconvergenciaopendatabigdata-170905141903-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción económica de la ciudad de Bilbao https://es.slideshare.net/Big-Data-Summit/big-bilbao-big-data-e-internet-of-things-para-la-promocin-econmica-de-la-ciudad-de-bilbao 19arbigbilbao-bigdataeinternetofthingsparalapromocineconmicadelaciudaddebilbao-170905141900
Las ciudades inteligentes o Smart Cities ha comenzado a aparecer como un concepto que permite dotar a las ciudades de una mayor capacidad de entender lo que sucede dentro de las mismas. De esta manera, adquieren una inteligencia (Smart) que las permite ofrecer unos mejores servicios a sus ciudadanos. Para ello, resulta fundamental no solo entender cómo se comporta el ciudadano, sino también lo que demanda, qué le podría venir bien, etc. Y en ello, la sensórica y dispositivos que el paradigma del Internet of Things provee, abre un nuevo escenario de gobernanza para las ciudades. Con el caso de Big Bilbao (de la ciudad de Bilbao en España), entenderemos cómo los paradigmas del Big Data e Internet of Things abren nuevas oportunidades para las ciudades, su promoción económica y mejor gobernanza.]]>
Las ciudades inteligentes o Smart Cities ha comenzado a aparecer como un concepto que permite dotar a las ciudades de una mayor capacidad de entender lo que sucede dentro de las mismas. De esta manera, adquieren una inteligencia (Smart) que las permite ofrecer unos mejores servicios a sus ciudadanos. Para ello, resulta fundamental no solo entender cómo se comporta el ciudadano, sino también lo que demanda, qué le podría venir bien, etc. Y en ello, la sensórica y dispositivos que el paradigma del Internet of Things provee, abre un nuevo escenario de gobernanza para las ciudades. Con el caso de Big Bilbao (de la ciudad de Bilbao en España), entenderemos cómo los paradigmas del Big Data e Internet of Things abren nuevas oportunidades para las ciudades, su promoción económica y mejor gobernanza.]]> Tue, 05 Sep 2017 14:19:00 GMT https://es.slideshare.net/Big-Data-Summit/big-bilbao-big-data-e-internet-of-things-para-la-promocin-econmica-de-la-ciudad-de-bilbao Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción económica de la ciudad de Bilbao Big-Data-Summit Las ciudades inteligentes o Smart Cities ha comenzado a aparecer como un concepto que permite dotar a las ciudades de una mayor capacidad de entender lo que sucede dentro de las mismas. De esta manera, adquieren una inteligencia (Smart) que las permite ofrecer unos mejores servicios a sus ciudadanos. Para ello, resulta fundamental no solo entender cómo se comporta el ciudadano, sino también lo que demanda, qué le podría venir bien, etc. Y en ello, la sensórica y dispositivos que el paradigma del Internet of Things provee, abre un nuevo escenario de gobernanza para las ciudades. Con el caso de Big Bilbao (de la ciudad de Bilbao en España), entenderemos cómo los paradigmas del Big Data e Internet of Things abren nuevas oportunidades para las ciudades, su promoción económica y mejor gobernanza. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/19arbigbilbao-bigdataeinternetofthingsparalapromocineconmicadelaciudaddebilbao-170905141900-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Las ciudades inteligentes o Smart Cities ha comenzado a aparecer como un concepto que permite dotar a las ciudades de una mayor capacidad de entender lo que sucede dentro de las mismas. De esta manera, adquieren una inteligencia (Smart) que las permite ofrecer unos mejores servicios a sus ciudadanos. Para ello, resulta fundamental no solo entender cómo se comporta el ciudadano, sino también lo que demanda, qué le podría venir bien, etc. Y en ello, la sensórica y dispositivos que el paradigma del Internet of Things provee, abre un nuevo escenario de gobernanza para las ciudades. Con el caso de Big Bilbao (de la ciudad de Bilbao en España), entenderemos cómo los paradigmas del Big Data e Internet of Things abren nuevas oportunidades para las ciudades, su promoción económica y mejor gobernanza.
from Big-Data-Summit
]]> 1326 2 https://cdn.slidesharecdn.com/ss_thumbnails/19arbigbilbao-bigdataeinternetofthingsparalapromocineconmicadelaciudaddebilbao-170905141900-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Comprendiendo nuestras motivaciones a través de Big Data https://es.slideshare.net/slideshow/bdas2017-comprendiendo-nuestras-motivaciones-a-travs-de-big-data/79451041 17jccomprendiendonuestrasmotivacionesatravsdebigdatav2-170905141624
¿Y si pudiéramos medir nuestra pasión? Lo que nos motiva, lo que nos empuja, lo que nos hace levantarnos cada mañana. Y si la respuesta es sí, ¿cómo lo hacemos? ¿Qué se mide? ¿Qué es relevante? En esta sesión descubriremos cómo una nueva startup plantea resolver este reto mediante el uso de big data y analytics, para el segundo tema puedo explicar que estoy haciendo en Institute of Passion. Somos una startup y estamos en fase experimental pero hay cosas que puedo explicar. Sino tengo otros ejemplos de ayudar a una startup como CDO en la sombra.]]>
¿Y si pudiéramos medir nuestra pasión? Lo que nos motiva, lo que nos empuja, lo que nos hace levantarnos cada mañana. Y si la respuesta es sí, ¿cómo lo hacemos? ¿Qué se mide? ¿Qué es relevante? En esta sesión descubriremos cómo una nueva startup plantea resolver este reto mediante el uso de big data y analytics, para el segundo tema puedo explicar que estoy haciendo en Institute of Passion. Somos una startup y estamos en fase experimental pero hay cosas que puedo explicar. Sino tengo otros ejemplos de ayudar a una startup como CDO en la sombra.]]> Tue, 05 Sep 2017 14:16:24 GMT https://es.slideshare.net/slideshow/bdas2017-comprendiendo-nuestras-motivaciones-a-travs-de-big-data/79451041 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Comprendiendo nuestras motivaciones a través de Big Data Big-Data-Summit ¿Y si pudiéramos medir nuestra pasión? Lo que nos motiva, lo que nos empuja, lo que nos hace levantarnos cada mañana. Y si la respuesta es sí, ¿cómo lo hacemos? ¿Qué se mide? ¿Qué es relevante? En esta sesión descubriremos cómo una nueva startup plantea resolver este reto mediante el uso de big data y analytics, para el segundo tema puedo explicar que estoy haciendo en Institute of Passion. Somos una startup y estamos en fase experimental pero hay cosas que puedo explicar. Sino tengo otros ejemplos de ayudar a una startup como CDO en la sombra. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/17jccomprendiendonuestrasmotivacionesatravsdebigdatav2-170905141624-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> ¿Y si pudiéramos medir nuestra pasión? Lo que nos motiva, lo que nos empuja, lo que nos hace levantarnos cada mañana. Y si la respuesta es sí, ¿cómo lo hacemos? ¿Qué se mide? ¿Qué es relevante? En esta sesión descubriremos cómo una nueva startup plantea resolver este reto mediante el uso de big data y analytics, para el segundo tema puedo explicar que estoy haciendo en Institute of Passion. Somos una startup y estamos en fase experimental pero hay cosas que puedo explicar. Sino tengo otros ejemplos de ayudar a una startup como CDO en la sombra.
from Big-Data-Summit
]]> 1301 2 https://cdn.slidesharecdn.com/ss_thumbnails/17jccomprendiendonuestrasmotivacionesatravsdebigdatav2-170905141624-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin precedentes y sus diferentes usos" https://es.slideshare.net/slideshow/bdas2017-conozca-la-plataforma-ideal-para-un-procesamiento-analtico-sin-precedentes-y-sus-diferentes-usos/79451028 33omldavidtinocodmc-170905141603
Los datos hoy en día cumplen un rol estratégico en las organizaciones. Las herramientas tradicionales de escritorio se han quedado cortas para generar reportes y los análisis descriptivos ya no son suficientes; debemos avanzar en temas prescriptivos y predictivos para una mejor toma de decisión. Conozca la plataforma ideal para un procesamiento analítico sin precedentes y sus diferentes usos.]]>
Los datos hoy en día cumplen un rol estratégico en las organizaciones. Las herramientas tradicionales de escritorio se han quedado cortas para generar reportes y los análisis descriptivos ya no son suficientes; debemos avanzar en temas prescriptivos y predictivos para una mejor toma de decisión. Conozca la plataforma ideal para un procesamiento analítico sin precedentes y sus diferentes usos.]]> Tue, 05 Sep 2017 14:16:03 GMT https://es.slideshare.net/slideshow/bdas2017-conozca-la-plataforma-ideal-para-un-procesamiento-analtico-sin-precedentes-y-sus-diferentes-usos/79451028 Big-Data-Summit@slideshare.net(Big-Data-Summit) BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin precedentes y sus diferentes usos" Big-Data-Summit Los datos hoy en día cumplen un rol estratégico en las organizaciones. Las herramientas tradicionales de escritorio se han quedado cortas para generar reportes y los análisis descriptivos ya no son suficientes; debemos avanzar en temas prescriptivos y predictivos para una mejor toma de decisión. Conozca la plataforma ideal para un procesamiento analítico sin precedentes y sus diferentes usos. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/33omldavidtinocodmc-170905141603-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Los datos hoy en día cumplen un rol estratégico en las organizaciones. Las herramientas tradicionales de escritorio se han quedado cortas para generar reportes y los análisis descriptivos ya no son suficientes; debemos avanzar en temas prescriptivos y predictivos para una mejor toma de decisión. Conozca la plataforma ideal para un procesamiento analítico sin precedentes y sus diferentes usos.
from Big-Data-Summit
]]> 1288 2 https://cdn.slidesharecdn.com/ss_thumbnails/33omldavidtinocodmc-170905141603-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Building Innovative Data Products in a Banking Environment /slideshow/building-innovative-data-products-in-a-banking-environment/79451014 11dbbigdataanalyticsatbbva-170905141542
En esta sesión se explicarán algunos de los retos y amenazas a los que se enfrentan el entorno financiero derivados de la necesaria transformación digital. Durante la conferencia se expondrán casos de uso reales de proyectos desarrollados por los equipos de analítica de BBVA que demuestran el potencial de los datos para generar productos que agregan valor a la relación con los clientes y contribuyen a solventar sus necesidades.]]>
En esta sesión se explicarán algunos de los retos y amenazas a los que se enfrentan el entorno financiero derivados de la necesaria transformación digital. Durante la conferencia se expondrán casos de uso reales de proyectos desarrollados por los equipos de analítica de BBVA que demuestran el potencial de los datos para generar productos que agregan valor a la relación con los clientes y contribuyen a solventar sus necesidades.]]> Tue, 05 Sep 2017 14:15:42 GMT /slideshow/building-innovative-data-products-in-a-banking-environment/79451014 Big-Data-Summit@slideshare.net(Big-Data-Summit) Building Innovative Data Products in a Banking Environment Big-Data-Summit En esta sesión se explicarán algunos de los retos y amenazas a los que se enfrentan el entorno financiero derivados de la necesaria transformación digital. Durante la conferencia se expondrán casos de uso reales de proyectos desarrollados por los equipos de analítica de BBVA que demuestran el potencial de los datos para generar productos que agregan valor a la relación con los clientes y contribuyen a solventar sus necesidades. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/11dbbigdataanalyticsatbbva-170905141542-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> En esta sesión se explicarán algunos de los retos y amenazas a los que se enfrentan el entorno financiero derivados de la necesaria transformación digital. Durante la conferencia se expondrán casos de uso reales de proyectos desarrollados por los equipos de analítica de BBVA que demuestran el potencial de los datos para generar productos que agregan valor a la relación con los clientes y contribuyen a solventar sus necesidades.
Building Innovative Data Products in a Banking Environment from Big-Data-Summit
]]> 1667 2 https://cdn.slidesharecdn.com/ss_thumbnails/11dbbigdataanalyticsatbbva-170905141542-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 https://cdn.slidesharecdn.com/profile-photo-Big-Data-Summit-48x48.jpg?cb=1565648200 https://cdn.slidesharecdn.com/ss_thumbnails/12bdas2018-datascienceprojectsummitbigdata1-180904174808-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/safehomeface-sistema-de-reconocimiento-facial/112973112 SafeHomeFace - Sistema... https://cdn.slidesharecdn.com/ss_thumbnails/06s1bdas2018-topbitrends2018-bdas2018-180904173604-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/las-10-tendencias-principales-de-bi-para-el-2018-carloz-daz/112971564 Las 10 tendencias prin... https://cdn.slidesharecdn.com/ss_thumbnails/05s2bdas2018-201825-180904171615-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/el-big-data-analytics-donde-menos-te-lo-esperas-alex-rayn/112968962 El big data analytics ...