Analítica y Big Data Sociedad transformada

Presentación del tema: "Analítica y Big Data Sociedad transformada"— Transcripción de la presentación:

1 Analítica y Big Data Sociedad transformada
Ingeniero Manuel Dávila Sguerra Ingeniero de sistemas de la Universidad de los Andes Maestría Cum Laude en Filosofía de la Universidad Javeriana Decano de la Facultad de Ingeniería de Uniminuto 1 1 1 1

2 Big Data y Analítica Cambio continuo

3 Big Data y Analítica Cambio continuo Main Frame Internet
Minicomputador Programación, estructurada, orientada a objetos Tarjetas perforadas HTML Microcomputador Xml Sistema de ventanas Metodologías en desarrollo de software Mouse Computación en la nube Disco duro Internet de las cosas Telecomunicaciones Big Data Redes locales 23 nuevas tecnologías IEEE para el 2022 Ver: Acis 30 años en YouTube Ciencias para la vida en Uniminuto Pronto en televisión ”La historia de los Pioneros de la computación colombiana” 3 3 3 3

4 Sociedad transformada
Big Data y Analítica Enfoque de la charla Sociedad transformada

5 Big Data y Analítica Enfoque de la charla Sociedad transformada
Ciencias para la vida: Antropólogos, Filósofos, Filólogos, Psicólogos, Abogados, Educadores, Ingenieros de sistemas, Ingenieros electrónicos y otras disciplinas. Filosofía: Coloquio Heideggeriano sobre el dolor en Brasil: "El dolor de la pérdida de identidad en la técnica"  Tecnologías: Software, algoritmos, expresiones regulares, grandes volúmenes de información, la ética y los peligros, como la perdida de la privacidad La Política que usará las tecnologías para el control. 5 5 5 5

6 Big Data y Analítica Amo o Esclavo: Hegel

7 Big Data y Analítica Amo o Esclavo: Hegel
Dialéctica del amo y el esclavo de Hegel !!!! Dialogo. Lucha a muerte Dos deseos enfrentados Amo y Esclavo !!!! Ordenar - Trabajar Esclavo –Amo Se invierten los papeles 7 7 7 7

8 Big Data y Analítica Amo o Esclavo: Hegel
Dialéctica del amo y el esclavo de Hegel !!!! La técnica como una extensión del cuerpo del hombre Amo y Esclavo !!!! Ordenar - Trabajar Esclavo – Amo Se invierten los papeles 8 8 8 8

9 Big Data y Analítica Ciencias para la vida

10 Big Data y Analítica Ciencia para la vida 10 10
La caja fuerte del vecino: Manuel Dávila Ingeniero de sistemas – Master en Filosofía La neo gramática del estudiantes: María Cristina Asqueta Filóloga La tecnología en el 2020 Jorge Reynolds Ingeniero electrónico - Científico Aspectos Jurídicos: La ley SOPA, PIPA, LLERAS: Germán Realpe Abogado Identidad, Alteridad, Cultura, Ciberespacio, Tecnología: Betty Martinez Antropóloga- Filósofa Convergencia digital, Innovación en educación y nuevos saberes de los Maestros: Sergio Briceño Licenciado en informática Tecnología y sociedad: Ernesto Lleras: Ingeniero de sistemas El gran hermano vuelve al control: Carlos Cantor Comunicador Cyberbulling: Rosa Isabel Galvis Psicóloga 10 10 10 10

11 Big Data y Analítica Computación en la Nube IP 11 11 11 11

12 Big Data y Analítica La soberanía Nacional en peligro

13 Big Data y Analítica La soberanía Nacional en peligro 13 13 13 13

14 Big Data y Analítica La soberanía Nacional en peligro

15 Big Data y Analítica La máquina para leer el pensamiento

16 Big Data y Analítica La máquina para leer el pensamiento Mundómetro
El ADN virtual de las personas: Información nuestra en formas de textos, blogs, noticias, escritos, debates, foros, vídeos, gráficos, Facebook, Twitter Cientos de plataformas a donde ha llegado la información que de nosotros han publicado otros o que lo hemos hecho nosotros mismos. Cientos de cámaras de video en la calle, parqueaderos, oficinas, edificios, bares, discotecas, aulas de clase, teatros, restaurantes que nos han convertido en actores involuntarios que hacen posible leer hasta los gestos de nuestro rostro y de nuestro cuerpo. La Gestalt en TI Mundómetro Reconocimiento Facial 16 16 16 16

17 Big Data y Analítica La máquina para leer el pensamiento
Qué pudo haber sucedido en 5 segundos?: Población mundial: de se incrementó en 58 personas Nacimientos y muertes: Nacieron 99 personas y murieron 41 Autos y bicicletas: Se fabricaron 48 automóviles y 99 bicicletas Libros y Blogs: Se publicaron 2 libros nuevos y sucedieron 935 entradas a blog Correos y Twitters: Se enviaron correos y tweets Búsquedas:Hubo búsquedas en google y emisiones de CO2 Obesidad y Hambre: Se incrementaron en 4 obesos obesas y 8 murieron de hambre Petroleo: Nos faltan días para que se acabe el petróleo Cancer y cigarrillos: Murieron 5 persona por cáncer y 1 por VIH mientras que se fumaron cigarrillos Muertes no naturales: 3 personas murieron por fumar y 1 por alcohol Accidentes: Hubo 1 muerto por accidente de automóvil 17 17 17 17

18 Big Data y Analítica De dónde vendrán los datos

19 Big Data y Analítica De dónde vendrán los datos
Múltiples fuentes: Sensores, gobierno, empresas, perfiles públicos de sitios de redes de tipo social. Tipología de los datos: bases textuales, tablas de bases de datos relacionales, imágenes en vídeos, mapas, meta datos, información de geolocalización entre otros De dónde a dónde: Vendrán de máquinas a máquinas, de máquinas a humanos, de humanos a máquinas, de sensores a sensores, se sensores a servidores, de servidores a sensores Analítica: Todo propenso de análisis 19 19 19 19

20 Big Data y Analítica Una forma de extraer datos: Crawler

21 Big Data y Analítica Una forma de extraer datos: Crawler
Script: Un Web Crawler indexa datos en la Web. Los motores de búsqueda y otros sitios web usan “Web crawling or spidering” para actualizar el contenido de sus propios sitios o de otros sitios web Copiar las Páginas para ser procesadas Consume recursos sobre sistema que visita sin aprobación tácita Terminología: programar, cargar,"politeness" Controlable: para evitar que una página se pueda acceder de esta manera

22 Big Data y Analítica Lenguajes y plataformas

23 Big Data y Analítica Lenguajes y plataformas
Lenguaje R: para estadísticas Python: orientado a objetos Perl: tipo C, Expresiones regulares Hadoop Apache: Para proceso distribuido de grandes conjuntos de datos en miles de máquinas Watson de la IBM: “Una tecnología cognitiva que puede pensar como un humano, Entiende: tipos de datos Razona: entiende la personalidad de un usuario, tono y emociones Aprende: Machine learning Dialoga”

24 Big Data y Analítica Cómo influirá ese mar de datos

25 Big Data y Analítica Cómo influirá ese mar de datos
Medición de tendencias en tiempo real, mientras caminamos, interviniendo en sus decisiones de compra Los seguros tendrían chips en el cuerpo saber si el ciudadano cumple con ejercicios que variarán el costo de las primas en tiempo real Los equipos médicos serán intervenidos por software El marcapasos será intervenido por software mediando el wifi, el celular y algorimia Irrupción significativa en el campo de la seguridad de los datos y la privacidad Reto tecnológico y una oportunidad Llegar a los estándares comprobables de la privacidad y seguridad Habrá cambios de tipo legal, normativo, ético y educativo Definir los límites aceptables para el uso de Big Data 25 25 25 25

26 Seres humanos impactados por la tecnología
Big Data y Analítica Seres humanos impactados por la tecnología

27 Seres humanos impactados por la tecnología
Big Data y Analítica Seres humanos impactados por la tecnología Técnicamente: almacenamiento, seguridad y mantenida durante tiempos apropiados.  Las cámaras de televisión fuente de datos que requerirán grandes almacenamientos y mecanismos de análisis automático Trabajadores monitoreados  Indumentaria intervenida: relojes digitales, gafas de realidad aumentada por ejemplo Las personas serán cámaras ambulante  Reto: preservar la privacidad individual Monitoreo del ser humano: lenguaje que usa, sus escritos, la puntuación, los lugares que frecuentan, ocupaciones en los días de descanso, el deporte que practica, los amigos que visita, la servicios religiosos y políticos La analítica mostrará aspectos de nuestras casas, de nuestro trabajo, de nuestra vida social Alimentará los datos para el mercado y el consumo Tratara temas ontológicos tales como ¿quién es usted? Éstas son implicaciones metafísicas y muchas personas cambiarán su comportamiento para proteger su privacidad 27 27 27 27

28 Big Data y Analítica La psicología de las palabras Using Rhetorical
Structure in Sentiment Analysis - RST

29 Big Data y Analítica La psicología de las palabras
"Las palabras que usamos diariamente reflejan quiénes somos y la relación social en que estamos envueltos. El lenguaje es la forma más común y mas confiable como la mente traslada sus pensamientos internos y sus emociones a una forma en que los demás lo puedan entender. Palabras y lenguaje son la esencia misma de la psicología y la comunicación. Ellas son el medio por el cual la psicología cognitiva, de personalidad, clínica y social intenta entender a los seres humanos". The Psychological Meaning of Words: LIWC and Computerized Text Analysis Methods Yla R.Tausczik y James W. Pennebaker del departamento de psicología de la Universidad de Austin Texas y al LIWC, un método para hacer análisis de texto de manera computarizada. 29 29 29 29

30 Big Data y Analítica La psicología de las palabras
 Heidegger en Qué significa pensar y Ser y Tiempo sobre el lenguaje: Es la la Casa del Ser ¿El lenguaje es solo una herramienta que usa los “dispositivos” del habla como la boca, la lengua y el pensamiento para expresarse o si está por delante de la persona. Sigmund Freud, el padre del psicoanálisis: “Por el caso en el que a alguien se le “trabe la lengua” como reflejo de pensamientos ocultos e intenciones escondidas bajo un aparente error de tipo lingüístico. Bernard Lonergan, autor de Insight y de Método en Teología: Operaciones exegéticas ( comprensión de textos) relacionadas con el proceso de la lectura de un texto: la comprensión del texto, es decir de las palabras empleadas y el autor El juicio de la exactitud de la propia comprensión El establecimiento de lo que uno juzga que es la comprensión correcta del texto. 30 30 30 30

31 Big Data y Analítica La psicología de las palabras
Expresiones regulares  ¿Qué se dice con la voz y el cuerpo y que muestran las  emociones de las personas ? La plataforma LIWC (Linguistic Inquiry and Word Count): Cuenta la frecuencia de las palabras Analiza, desde el punto de vista gramatical los textos y su interpretación psicológica de sentido Consulta diccionarios y tesauros en línea Características lingüistas como verbos, sustantivos, adjetivos, adverbios, preposiciones, artículos, verbos auxiliares, pronombres, conjunciones El algoritmo utilizado crea categorías que van creciendo en la medida en que el software se expone a más documentos 31 31 31 31

32 Big Data y Analítica La psicología de las palabras
 El uso del yo o del usted despersonalizan una relación a diferencia de cuando se  menciona un sujeto concreto Términos como nosotros puede ser escrito para referirse a si mismo O para referirse al conjunto conformado por otras personas que se encuentran con el sujeto que  escribe o habla Las emociones son representadas por palabras positivas como: magnífico, bueno, excelente, maravilloso O negativas como: Terrible, feo, horroroso Pueden  ser identificadas por el software e interpretarlas según sus índices de sensaciones Muestra tendencias en las relaciones sociales según los pronombres, y frases indicativas de un mayor status con respecto de los otros Hay palabras que indican procesos grupales de alta o baja cohesión como el uso del nosotros en pequeños grupos versus un nosotros dirigido a una multitud Hay expresiones que indican honestidad o engaño, generalización o  imprecisión dependiendo del número de Número de palabras: cuando se usan en exceso pueden significar intento de engaño o deseos de convencer Tema complejo Viewpoints: When Technologies Manipulate Our Emotions de la revista Computer de IEEE,   32 32 32 32

33 RST: Rhetorical structure of text
“Mientras siempre se queja que él odia este tipo de películas, John confiesa amargado que él disfruta este cine” Mensaje núcleo con palabras negativas: “John confiesa amargado que disfruta este cine” Acompañado de un atributo satélite con una información de fondo que tiene un núcleo: “él odia este tipo de películas” y atributos satélites: ¨ Mientras siempre se queja que ” Igualmente el centro consiste en un núcleo: “él disfruta este cine”: y un atributo satélite: ¨John confiesa amargado ” La frase converge en un sentimiento positivo hacia el cine “él disfruta este cine”

34 La última aproximación soportada es nuestro método de contabilización
para la ruta desde una raíz del árbol de RST a una hoja nodo tal que el sentimiento que converge por este, puede ser calificado mientras se contabiliza por su contexto retórico. En nuestro método H de calificación del sentimiento basado en jerarquías, modelamos la calificación de sentimiento ζH sub si del nivel-hoja RST del segmento si como una función de las calificaciones de sentimientos de sus palabras y su peso w sub rn asociado con el rol retórico de cada nodo rn desde los nodos P sub si sobre la ruta desde la hoja raiz, o (4) (Ver fórmula) donde delta representa un factor de disminución y lamba sub rn señala el nivel del nodo r sub n en el árbol RST, con el nivel del nodo raíz siendo 1. Para delta > 1, cada nivel subsecuente contribuye menos que su nodo padre a los segmentos RST basados en peso, perseverando la jerarquía de la relación en la ruta

35 Big Data y Analítica La psicología de las palabras
 Turing's Red Flags, un concepto de Alan Turing Test de Turing: recurso para revisar, cualificar y cuantificar los resultados poniendo a prueba una máquina con inteligencia artificial en una conversación con un ser humano Esta prueba requiere que la persona no sepa si está conversando con otra persona o con una máquina de tal manera que la evaluación del éxito de dicha conversación se basa en el porcentaje de convencimiento de que la máquina ha respondido o interactuado exitosamente en el 70% durante cinco minutos de conversación Es decir, haberse comportado como otro ser humano   Turing pensaba que en 50 años, las máquinas cometerían errores, cuando estuviera inmersas en la vida cotidiana de las personas ¿Qué sucederá si la interacción entre hombre-máquina falla al asociarle a ella un desarrollo de tipo social cuando hayamos hemos entregado a ella una total confianza? El carro autónomo En Big Data Analytics and revision of the Common Rule, se hace referencia a los errores de Big Data en mediciones sobre enfermedades en los Estados Unidos comparadas con las efectuadas por el departamento de servicios de salud. 35 35 35 35

36 Big Data y Analítica Decodificando el lenguaje del movimiento humano

37 Big Data y Analítica Decodificando el lenguaje del movimiento humano
Modelar movimientos extraños que creen sospechas Análisis fonético: motores de búsqueda por la voz, agitación 37 37 37 37

38 El Internet de las cosas

39 Big Data y Analítica El Internet de las cosas
Sensores para las Ciudades digitales En el 2020 habrán 50 billones de dispositivos conectados a Internet Miles de millones de teléfonos inteligentes Conectividad a Internet a las instalaciones fijas A aumento de la conectividad móvil Nuevas funcionalidades que permite reducir los costos a través de la automatización Duraciones más cortas para las cadenas de suministro 39 39 39 39

40 Big Data y Analítica El Internet de las cosas
Premio a la mejor aplicación informática del 2014: Barrio digital Sensores para las Ciudades digitales 40 40 40 40

41 Big Data y Analítica Bibliografía 41 41
10-sagejourna-significado-psicologico-de-las-palabra-TausczikPennebaker2010.pdf 1306-ieee-Big-data-new-opportunities-and-new-challenges-mco pdf 1403-acm-Big-Data-Applications-in-the-Government-Sector-p78-kim.pdf 1406-acm-Visualizations-Make-big-data-meanigful-p19-staff.pdf 1406-acm-Vviewpoints-Beyond-Data-and-Analysis-p39-davis.pdf 1407-acm-Big-Data-and-Its-Technical-Challenges-p86-jagadish.pdf 1409-acm-Portraiture-in-the-Age-of-Big-Datap92-efros.pdf 1409-acm-Privac-Anonymity-and-Big-Data-in the Social-Sciences-p56-daries.pdf 1409-acm-weathring-anew-era-of-big-data-p12-greengard.pdf 1411-acm-Computing-Ethics-Big-Data-End-Run-Around-Procedural-Privacy-Protections-p31-barocas.pdf 1412-acm-Computationally-Modeling-Human-Emotion-p56-marsella.pdf 1412-acm-decodificando-el-lenguaje-del-movimiento-humanop12-edwards.pdf 1501-acm-Big-Data-Needs-Approximate-Computing-p104-nair.pdf 1504-acm-Human-or-Machine-p8-staff.pdf 1507-acm-using-rhetorical-structure-in-sentiment-analysis-p69-hogenboom.pdf 1511-acm-when-technologies-manipulate-our-emotions-p41-calvo.pdf 1602-acm-phonetic-analytics-technology-and-big-data-real-world-cases-p84-shim.pdf 41 41 41 41