8 revistas académicas esenciales del mundo del Big Data

Como se puede apreciar, son variados los campos de dominio y problemáticas que pueden ser abordadas mediante la adopción de MapReduce para la simplificación de complejos. Esta etapa implica el procesamiento de datos para su interpretación utilizando algoritmos de aprendizaje automático y algoritmos de inteligencia artificial. El proceso real puede diferir según la fuente de los datos (lagos de datos, redes sociales, dispositivos conectados) y su uso previsto o propósito (derivación de patrones y tendencias, determinación de soluciones o estrategias y optimización).

Para el caso de análisis de datos robustos se requiere de una gran infraestructura tecnológica, como superordenadores dedicados específicamente para trabajar con IA, donde empresas como Microsoft e IBM están apostando con el objetivo de encontrar tratamientos que permitan combatir la COVID-19 en un tiempo relativamente corto. La particularidad de trabajar con este tipo de tecnología es que puede ejecutarse desde diversos lugares del mundo, facilitando el acceso al código abierto a grupos de investigadores que trabajan en diversas áreas de la IA, el Big Data y ciencia de datos. El aprendizaje profundo es un subcampo del aprendizaje máquina, que busca clasificar datos mediante algoritmos correlacionales. Se basa en ciertas arquitecturas de redes neuronales, que le permiten jerarquizar la información (visual, auditiva y escrita) mediante una segmentación de patrones categorizados por niveles. Bajo este criterio, el aprendizaje se efectúa por etapas, de manera equivalente a lo que sucede en un humano.

“Los datos permiten evaluar si las políticas de urbanismo funcionan”

En todo lo que rodea a la sanidad hay muchas fuentes de datos que dan lugar a una cantidad tremenda de información. En el sector de la salud se generan desde datos estructurados (aquellos que se pueden almacenar, consultar y manipular de manera automática, como serían los nombres de los pacientes, sus valores analíticos, etc.) hasta datos desestructurados (como las anotaciones médicas, las radiografías, los informes médicos…). Estos datos pueden aportar información valiosa al personal sanitario que podría tenerla incluso en tiempo real, haciendo de esa manera un seguimiento exhaustivo al paciente. Puede parecer algo aún curso de ciencia de datos no muy cercano, pero algunos de estos dispositivos (o similares) ya se usan en los hospitales, como los pulsioxímetros, para medir la saturación de oxígeno sanguíneo y el pulso cardíaco. Por eso, la captura ininterrumpida de la información no solo permite abordar el fenómeno de la opinión pública de manera compleja y fluida, sino también sortear situaciones que son tradicionalmente adversas a las metodologías de encuestas que representan una “toma instantánea” altamente influenciada por la contingencia. Un ejemplo de esto sería la bajada de un candidato presidencial en medio del levantamiento de una encuesta de opinión.

Una vez propuesto un modelo predictivo para la sobrevida, es natural determinar qué variables del modelo tienen mayor poder predictivo, lo que constituye inferencia. De manera similar, luego de determinar grupos de pacientes con una cierta patología, puede ser de interés determinar modelos que predigan la progresión de ese paciente y a qué grupo pertenecería un paciente que ha sido diagnosticado hoy, lo que constituye predicción. El procesamiento de datos automatizado es el camino a seguir, ya que su contraparte manual se ha vuelto redundante debido a la innovación en tecnología. Durante esta etapa, los datos limpios se ingresan en un sistema o destino (como un almacén de datos como Astera Creador de almacenes de datos o CRM como Salesforce). Esto se hace traduciéndolo a un idioma que el sistema pueda entender, ya sea manualmente o a través de dispositivos de entrada configurados para recopilar datos estructurados o no estructurados. El procesamiento de grandes datos no se puede lograr fácilmente empleando métodos de análisis tradicionales.

Nuevos tratamientosBig DataAprendizaje de máquinas 1 artículos

Un punto relevante a considerar respecto a los derechos humanos es que las empresas que realizan análisis de big data deben evitar el uso de esta herramienta para dirigir, tanto directa como indirectamente, el actuar de las personas. También se debe considerar que el derecho internacional de los derechos humanos tiene estándares globales, por ejemplo, en lo relativo al tema del almacenamiento de datos en la nube y quiénes pueden acceder a estos. En esa línea, la empresa Microsoft constantemente se resistía las citaciones de los Gobiernos alegando que los datos se alojaban en otras jurisdicciones y, por lo tanto, las cortes norteamericanas no eran competentes. Así, los derechos humanos se entrelazan con el comercio internacional, porque también se impide que haya un flujo global de datos pues puede impactar en los derechos humanos, lo que limita la actividad comercial. Sarfaty explica que los esfuerzos del derecho internacional de los derechos humanos se han centrado en el cumplimiento de los tratados más que en la prevención de la vulneración estos derechos (2018, p. 76).

Este artículo se trazó como objetivo mostrar algunos trabajos desarrollados entorno a la temática y describir tecnologías y técnicas de Big Data, notándose que siguen siendo materia de investigación y discusión, generando la posibilidad de proponer alternativas y modelos basados en la táctica de divide y vencerás. Hadoop es una librería https://www.edy.com.mx/2023/12/aspectos-basicos-que-cualquier-curso-online-de-ciencia-de-datos-deberia-ensenarte/ de Apache definida como un framework que permite hacer procesamiento de datos distribuido sobre volúmenes de datos de considerable tamaño sobre clúster. Está diseñado pensando en brindar poder de escalamiento desde un par de servidores hasta cientos de máquinas o nodos, las cuales manejan almacenamiento y procesamiento local [17].