Conoce la visión del evento Data Day 2018, y entérate de qué temas se tratarán durante las sesiones y talleres de Data Day. Además se prensentará una introducción a la plática que impartirá Jesús Ramos titulada “Data Quality: El abismo cultural de tu proyecto de Machine Learning”.
Impartido por: Jesús Ramos
4. 1. El único evento donde si hay
aprendizaje
2. El único evento que fomenta la
formación de equipos reales de
Ciencia de Datos
3. El único evento donde no tenemos
pelos en la lengua :D
6. 1. Tomadores de decisiones que busquen iniciar un proyecto o
área de Analytics, Ciencia de Datos, o Machine Learning.
2. Matemáticos y físicos que deseen saber las aplicaciones que
están sucediendo en México.
3. Ingenieros de Software que deseen convertirse en Data
Engineers.
4. Estudiantes que quieran una embarrada de varios temas
alrededor de Data Science y ML para después seguirle ellos.
5. ONGs que busquen ayuda de ingenieros, analistas o
matemáticos para sus proyectos.
8. 1. No te vamos a mentir y decir que iniciar estos proyectos en
tu empresa será fácil. Requiere de mucho capital económico
y político.
2. No te va a convertir en Data Scientist (sobre todo si vienes
de Ingeniería en Computación), pero si te va a mostrar
algunas avenidas para comenzar ese camino.
3. No te va a certificar como Data Engineer, pero si te va a
introducir a algunas herramientas.
4. Si vienes con un problema en particular, no te lo vamos a
resolver, pero si conocerás a personas que definitivamente
te podrán ayudar.
16. 1. Si eres un directivo o gerente en tu org y quieres traer DS o
ML a tu empresa, conocerás de casos que pueden ayudarte
a armar el tuyo.
2. Conocerás algunas dificultades que te encontrarás en el
camino y cómo otros las han resuelto.
3. Conocerás cómo se ve un proyecto exitoso de esta índole.
4. Dimensionarás el capital económico y político que este tipo
de proyectos requieren.
5. Sabrás distinguir entre un proyecto de software, y un
proyecto de Ciencia de Datos, y por qué no debes tratarlos
igual.
6. Conocerás algunas soluciones comerciales de Data
Management y BI, que son pasos previos al ML.
18. 1. Smart Cities / IoT en ciudades francesas.
2. Detección de fraude para e-commerce.
3. Como organizar un grupo de Ciencia de Datos.
4. Usos correctos y no tan correctos de datos de INEGI.
5. Cómo fondear iniciativas de Ciencia de Datos al interior
de la empresa.
6. Cómo combatir a Cambridge Analytica durante las
elecciones federales.
7. Etc.
22. 1. Si eres del CIMAT, IIMAS, o alguna similar, verás qué
investigaciones o aplicaciones se están llevando a cabo en algunas
empresas Mexicanas.
2. Si eres matemático, físico o actuario de profesión, verás casos
donde tu disciplina se aplica en un problema real que mejora la
vida humana.
3. Si eres estudiante y quieres convertirte en Científico de Datos,
verás el tipo de ciencia y el nivel necesario para que tú mismo
sepas qué tanto te falta, o si debes cambiar de carrera
4. Si eres un C-level executive conocerás el tipo de perfiles que
deberás contratar para tener un equipo de DS riguroso.
5. Si eres un Científico de Datos (según nuestra definición), podrás
conectar con otros profesionales de la industria.
6. Si eres un "Científico de Datos" (de puro blog, o de puro social
media), conocerás a gente que si le mueve y que debes emular.
24. 1. Análisis de Texto con Word2Vec.
2. Deep Learning para Optimización de Transporte.
3. Pandas y sus alternativas.
4. Sanitización de datos y privacidad.
5. Deep Learning para lectura de comprensión.
6. Machine Learning con datos del sismo del 19S.
7. Etc.
28. 1. ¡Workshops, workshops, workshops!
2. Si eres Ingeniero de Software, verás herramientas que te pueden
introducir a la noble disciplina de Data Engineering.
3. Si tienes duda de qué herramientas se usan para Data Engineering
a gran escala, aquí tendrás workshops que te las presentarán.
4. Si quieres tirar código, los workshops serán enteramente
prácticos.
5. Si eres tomador de decisiones, te darás una idea del tipo de
personas que debes contratar, y las tecnologías que debes
adquirir/construir.
6. Si eres estudiante, conocerás las herramientas que debes
comenzar a aprender (probablemente no en la escuela) para poner
un pie en el mundo de los datos.
30. 1. Taller de MongoDB para gran escala.
2. Navegación de Datos con Spark, R y Sparklyr.
3. Visualización de Datos con Minecraft :D
4. GraphQL para Data en tiempo real
5. Limpieza de datos con Spark.
6. Etc.