Búsqueda · 29 momentos en 21 episodios
Sara RobiscoJuan Carlos GilFrancis VillatoroHéctor Socasdatos temperatura y humedad superficialanomalías en datos de temperaturasequías a lo largo de la historiagrandes procesos de sequíamachine learning para anomalíasminería de datos en cubosanomalías indican grandes sequíasvisualización de datos para decisionessara robisco y machine learningMachine LearningMinería de DatosSara RobiscoTierraHéctor SocasBetelgeuse
Anomalías indican grandes sequías
Con
0:000:301:001:302:002:303:003:21
Sara Robisco explica cómo el Machine Learning y la minería de datos pueden utilizarse para identificar anomalías en cubos de datos, como situaciones que indican grandes sequías.
…súper versátil. Una vez hacemos esto, podemos aplicar Machine Learning para hacer transformación de los datos, por ejemplo, podemos aplicar redes neuronales o cualquier sistema para detectar anomalías. Imagínate: estamos haciendo un estudio climático, un Estudio de las temperaturas de la Tierra, tenemos nuestros sistemas captando, captando, captando y de repente dices: vale, pero ¿cuál es de todo esto que estoy captando? Imagínate, datos de temperatura y tal, y sequedad de humedad de superficie, por ejemplo dices: vale, pero ¿cuáles son anómalos? ¿Cuáles responderían con una gran sequía? Imagínate que queremos saber cuántas sequías se han dado a lo largo de la historia, grandes procesos de sequía, pues. Lo que haces es hacer un algoritmo de Machine Learning, minería de datos, que te saque estas anomalías, situaciones anómalas y te las da. Entonces tú ya tendrías tu pequeño cubo con esas situaciones que a ti te interesan. Una vez tienes esto, pues tú ya haces tus análisis, tu visualización de datos si quieres mostrarlo al mundo, mostrarlo a alguien o tomar decisiones y luego está una parte. Que quizás es la más complicada cuando hablamos de cubos, que es la reutilización, porque aquí tenemos dos opciones: dejar este cubo ya estático, se quedó ahí, o en ciencias de la tierra esto no vale ¿Por qué? Porque la Tierra es un mecanismo, está viva, va…
Significado #1 · Palabras #1
Héctor Socas reflexiona sobre las peculiaridades de Betelgeuse, mencionando posibles anomalías relacionadas con una estrella compañera y su naturaleza intrigante.
Habla: Héctor SocasPalabras #14anomalías de betelgeuse y estrella compañeraobjeto intrigante betelgeuse hector socasmisterio científico de betelgeuse…algo que ha sacado y mezclado material del núcleo que está enriquecido en nitrógeno, pero eso no se concibe tampoco bien como puede ser en ese tipo de estrellas, o bien volvemos a la hipótesis de la compañera, que de alguna forma ha habido ahí intercambio. De fluidos con una compañera, yo qué sé; tampoco quiero poner imágenes en la mente de nadie, pero que son un poco las anomalías que tiene esta estrella y que la hacen, como yo decía, un objeto muy intrigante que tú sales por la noche, la miras y dices: si la estoy viendo ahí con mis propios ojos y resulta que es un objeto misterioso científicamente. Pues sí. Exactamente, lo interesante, la verdad, de disfrutar del cielo es plantearse este tipo de cuestiones: ¿que ese puntito que veo es una galaxia o que este otro puntito es un objeto que tiene tales características?, ¿es una estrella que tiene un sistema…
Sara Robisco explica cómo el Machine Learning y la minería de datos pueden utilizarse para identificar anomalías en cubos de datos, como situaciones que indican grandes sequías.
Habla: Sara RobiscoSignificado #1 · Palabras #1datos temperatura y humedad superficialanomalías en datos de temperaturasequías a lo largo de la historiagrandes procesos de sequíamachine learning para anomalíasminería de datos en cubosanomalías indican grandes sequíasvisualización de datos para decisionessara robisco y machine learning…súper versátil. Una vez hacemos esto, podemos aplicar Machine Learning para hacer transformación de los datos, por ejemplo, podemos aplicar redes neuronales o cualquier sistema para detectar anomalías. Imagínate: estamos haciendo un estudio climático, un Estudio de las temperaturas de la Tierra, tenemos nuestros sistemas captando, captando, captando y de repente dices: vale, pero ¿cuál es de todo esto que estoy captando? Imagínate, datos de temperatura y tal, y sequedad de humedad de superficie, por ejemplo dices: vale, pero ¿cuáles son anómalos? ¿Cuáles responderían con una gran sequía? Imagínate que queremos saber cuántas sequías se han dado a lo largo de la historia, grandes procesos de sequía, pues. Lo que haces es hacer un algoritmo de Machine Learning, minería de datos, que te saque estas anomalías, situaciones anómalas y te las da. Entonces tú ya tendrías tu pequeño cubo con esas situaciones que a ti te interesan. Una vez tienes esto, pues tú ya haces tus análisis, tu visualización de datos si quieres mostrarlo al mundo, mostrarlo a alguien o tomar decisiones y luego está una parte. Que quizás es la más complicada cuando hablamos de cubos, que es la reutilización, porque aquí tenemos dos opciones: dejar este cubo ya estático, se quedó ahí, o en ciencias de la tierra esto no vale ¿Por qué? Porque la Tierra es un mecanismo, está viva, va…