Paloma Recuero de los Santos ENIA, la nueva Estrategia Nacional sobre IA Desde el pasado 2 de diciembre, España cuenta con una nueva Estrategia Nacional de Inteligencia Artificial, ENIA, dotada con un presupuesto de 600 millones de euros para medidas relacionadas...
LUCA LUCA Talk: Blockchain para garantizar la trazabilidad de vacunas FORMATO: Charla de 30 minutos + Q&A de 10 minutosCUÁNDO: 20 de enero, 16:00 h (CET)CÓMO: Inscripción gratuita en eventbrite Trazabilidad es una de las características que vienen a nuestra...
Sergio Sancho Azcoitia Así funciona Azure Machine Learning Studio El análisis predictivo es una práctica que combina el uso de herramientas estadísticas y procesos de data mining, con el objetivo de predecir posibles escenarios basándose en el análisis...
Paloma Recuero de los Santos Lo mejor de 2019 en LUCA Antes de pasar página al 2020, hacemos un breve balance de los mejores post que hemos publicado este año en el blog de LUCA sobre divulgación de conceptos básicos...
LUCA Una solución para adaptar la flota de vehículos frente a la COVID-19 y la tormenta Filomena La movilidad es un aspecto clave tanto en el día a día de las ciudades como en las situaciones excepcionales que hemos experimentado en el último año por la...
LUCA Caso de éxito: Departamento de Transporte de UK El Departamento de Transporte es el organismo gubernamental responsable de la mayor parte de la red de transporte del Reino Unido. Nuestro cliente necesitaba entender rápidamente los patrones de...
LUCA Incorporación de Big Data en el sector público: caso de éxito Navantia ¿Cuáles son los ingredientes principales para una transformación digital exitosa? La transformación digital se ha hecho indispensable en casi todos los sectores, también en la administración pública y, como hoy vamos...
LUCA LUCA y Sierra Nevada utilizan el Big Data para mejorar la experiencia de los esquiadores Con motivo de la celebración de los Campeonatos del mundo de FreestyleSki y Snowboard en Sierra Nevada (del 8 al 19 de marzo), se ha lanzado una nueva solución...
LUCA Domina los videojuegos clásicos con OpenAI y Machine Learning Para muchos de nosotros, pensar en videojuegos es recordar la infancia. Nos acordamos de todas esas horas que pasamos intentando pasar al siguiente nivel, y hasta podemos escuchar la...
Paloma Recuero de los Santos Video Post #7: ¿Qué se puede hacer y qué no con Inteligencia Artificial? En el video Post de hoy, hablaremos de uno de los temas que más nos preocupan de la Inteligencia Artificial y, en particular, del Machine Learning. ¿Cuáles...
LUCA LUCA Talk: Blockchain para garantizar la trazabilidad de vacunas FORMATO: Charla de 30 minutos + Q&A de 10 minutosCUÁNDO: 20 de enero, 16:00 h (CET)CÓMO: Inscripción gratuita en eventbrite Trazabilidad es una de las características que vienen a nuestra...
Paloma Recuero de los Santos Video Post #18: Atrévete con Deep Learning. Principios básicos al alcance de todos ¿Sabes qué es el Deep Learning, en qué se basa y qué aplicaciones tiene? En este vídeo te daremos unas sencillas nociones que te ayudarán a comprender esta potente...
LUCA Talk: Open Data para entender la transformación de los barrios.LUCA 15 febrero, 2019 Cada vez es más común leer noticias y oir hablar sobre gentrificación de los barrios de las ciudades modernas. En este webinar tratamos este tema de actualidad que afecta a una gran parte de la población, centrándonos en las ciudades de Madrid y Nueva York donde hemos realizado un estudio para analizar la realidad de diferentes barrios en ambas ciudades. La gentrificación (proceso mediante el cual la población original de un sector o barrio, generalmente céntrico y popular, es progresivamente desplazada por otra de un nivel adquisitivo mayor) es un fenómeno que se está dando en muchas grandes ciudades, y aunque su existencia es evidente cuando se da, no existe un consenso sobre cuáles son sus causas. Es precisamente esta dificultad para acotar los ejes principales que la motivan, y para aislar los parámetros más relevantes para su desarrollo, lo que la convierten en una materia muy interesante para su consideración. Sin entrar en un estudio formal sobre la definición de lo que es la gentrificación, hemos aprovechado datos publicados por el Ayuntamiento de Madrid y por diferentes organismos de la ciudad de Nueva York para analizar la realidad de diferentes barrios en ambas ciudades. Hemos buscado relaciones entre actividades comerciales, magnitudes socioeconómicas y otros factores, para identificar algunos indicadores sólidos de transformación en los barrios. El trabajo comenzó de manera individual en la ciudad de Madrid, y gracias a la colaboración con la Universidad de Columbia se convirtió en un Capstone Project que desarrollaron un grupo de alumnos en Nueva York. Como en todos los webinars, al terminar la sesión dedicamos unos minutos a la sesión Q&A donde el ponente Luis Nadal, Senior Business Consultant en LUCA, contestó algunas de las preguntas que surgieron en el chat de la emisión. En el blog de hoy compartimos algunas de las preguntas que recibimos: ¿De cuándo son los datos de renta y de alquiler/m2 de Madrid? Los datos de renta y locales son del año 2017, y los datos de alquiler del año 2016. El dato de alquiler por metro cuadrado en Madrid exigió un proceso más elaborado para poderlo conseguir porque no hay datos públicos. El estudio se basó en datos que publicar el portal idealista.es, que publican sus informes, aunque hay que procesar los datos. ¿El modelo de clustering a Coney Island como High Gentrification? El modelo utilizado considera Coney Island como un barrio altamente gentrificado. Es cierto que no se corresponde con el análisis exploratorio realizado, pero son conclusiones que no se pueden llegar a extrapolar a otras ciudades. Y sí que existe un paralelismo entre los distritos en proceso de gentrificación y los que no. Se muestra una tendencia de que Coney Island puede tener una tendencia a la gentrificación. ¿Se podría aplicar el mismo modelo para dos ciudades del mismo país? Teóricamente se podría aplicar el modelo a otra ciudad, aunque debería analizarse muy detalladamente esta posibilidad y caso a caso. ¿Crees que se podría utilizar el mismo modelo para ciudades, países con un mismo estilo o cultura o modo de vida? En principio se podría utilizar el mismo modelo, pero lo cierto es que, el “modo de vida” viene determinado por la realidad en esas ciudades. Pero lo que modifica más el poder trabajar con unos datos u otros es la propia recogida de esos datos. Aunque sean dos ciudades muy parecidas (mismo país o región, por ejemplo), si los datos disponibles no son equiparables, no se va a poder utilizar el mismo modelo. Es muy posible que se llegue a conclusiones muy parecidas, pero no se podría replicar el modelo para aplicarlo en otra ciudad. ¿El modelo entonces no es extrapolable en NY?, ¿Qué variables encontraron similares en NY vs MAD? Efectivamente, el estudio no llevó a un modelo extrapolable. No al menos en el desarrollo, que no deja de ser limitado en el tiempo. Si se pudiera seguir procesando y desarrollando el estudio, probablemente se podría llegar a algo que, al tratarse de variables normalizadas, podría extrapolar. ¿Se puede acceder al estudio de Nueva York? Por ahora no es posible acceder al estudio de Nueva York. Esperamos poder publicar algún whitepaper al respecto próximamente. ¿Qué herramienta habéis utilizado para realizar el clustering? El clustering se realizó tanto por K-Means como por Agrupamiento Jerárquico, obteniéndose los mejores resultados con este último, aunque las diferencias fueron pequeñas. ¿Por qué no usasteis la estructura de población?, Los barrios más envejecidos pueden tener más riego de sufrir gentrificación, ¿no? En Nueva York sí se emplearon datos demográficos, en el clustering se tuvo en cuenta, aunque el estudio posterior sobre las variables más relevantes no lo resaltó como una de las componentes principales. Aunque no siempre mayor edad significa más vulnerabilidad, estoy de acuerdo en que es una variable muy interesante a monitorizar para detectar movimientos. ¿Podrias facilitarnos los links o accesos a fuentes de opendata? Para Madrid, como os comentaba, la fuente principal utilizada fue https://datos.madrid.es En Nueva York se utilizaron conjuntos de datos de diversas fuentes, como pudieron ser: Oficina del censo: https://usa.ipums.org/usa/ Portal de datos abiertos de la ciudad de Nueva York: https://opendata.cityofnewyork.us/ Departamento de Finanzas del ayuntamiento de NY: http://www.nyc.gov/finance Comisión del Taxi de la ciudad de Nueva York: http://www.nyc.gov/tlc ¿No se podría inferir con otros datos como las pernoctaciones, su precio y las duraciones de las mismas en cada uno de los barrios? Efectivamente, este sería un análisis super interesante, sin embargo no es nada fácil conseguir información al respecto. En Madrid no fui capaz de encontrar nada relevante al respecto, y en Nueva York el modelo de alquiler vacacional está directamente prohibido desde el pasado verano (aunque parece que recientemente se ha bloqueado la ley). En cualquier caso, los propietarios de estos datos son los propios gestores de las plataformas (como Airbnb) y hasta la fecha no los han hecho accesibles. Estaría bien incluir datos y evolución de Apartamentos Turísticos Desde luego, en esto estamos completamente de acuerdo. En muchos casos, aunque podamos discutir si el florecimiento de los alojamientos turísticos es la raíz del problema o no, es innegable que su influencia sobre la evolución de los barrios y el estilo de vida que es posible desarrollar en ellos es evidente. Sin embargo, como comentaba antes, estos datos no son de dominio público, y precisamente porque es una actividad que no está adecuadamente regulada o porque directamente se hace fuera de la ley, no existen estadísticas públicas. Así, ahora mismo dependemos de la voluntad de las empresas que gestionan los alquileres turísticos para poder analizar sus datos. Siendo que este tipo de alquileres condicionan importantemente la vida de los barrios, es muy urgente regular la actividad (teniendo en cuenta a todos los interesados) precisamente para que no resulte transparente y no escape a los análisis que se puedan hacer. ¿Te has perdido alguno de nuestros webinars? Entra en la sección LUCA Talks de nuestra web y accede a todos los que quieras. ¡Hasta el próximo webinar! Para mantenerte al día con LUCA visita nuestra página web, y no olvides seguirnos en Twitter, LinkedIn y YouTube. Especial San Valentin: ¿Podemos predecir la infidelidad con Inteligencia Artificial?Esta semana en el blog de LUCA: del 11 al 17 de Febrero
LUCA Una solución para adaptar la flota de vehículos frente a la COVID-19 y la tormenta Filomena La movilidad es un aspecto clave tanto en el día a día de las ciudades como en las situaciones excepcionales que hemos experimentado en el último año por la...
Francisco Javier Viñas Plaza El gobierno del almacenamiento como palanca de la innovación La Oficina de Dato es un agente de cambio e innovación en una organización. Convierte el gobierno del almacenamiento en una auténtica palanca de la innovación. Veamos el por...
Paloma Recuero de los Santos ENIA, la nueva Estrategia Nacional sobre IA Desde el pasado 2 de diciembre, España cuenta con una nueva Estrategia Nacional de Inteligencia Artificial, ENIA, dotada con un presupuesto de 600 millones de euros para medidas relacionadas...
LUCA LUCA Talk: Blockchain para garantizar la trazabilidad de vacunas FORMATO: Charla de 30 minutos + Q&A de 10 minutosCUÁNDO: 20 de enero, 16:00 h (CET)CÓMO: Inscripción gratuita en eventbrite Trazabilidad es una de las características que vienen a nuestra...
Enrique Blanco Clustering de series temporales con Python La proliferación y la ubicuidad de los datos con dependencia temporal en un amplio abanico de disciplinas genera un interés sustancial en el análisis y la extracción de series...
LUCA Fleet Optimise en la era Post-COVID La llegada de la COVID-19 ha alterado el mundo tal y como lo conocíamos y está obligando a muchas empresas a evolucionar digitalmente para adaptarse a las nuevas necesidades...