• Inicio

    Desde el 28 de mayo al 25 de junio de 2015.

    Materia corta del Programa de Profesores Visitantes

    Profesor: Dr. Daniel Yankelevich

    Objetivos: revisar casos prácticos de aplicación de técnicas de procesamiento de datos, y a partir de allí, discutir, estudiar y trabajar sobre los desafíos que presenta big data, algoritmos y técnicas específicas.

    Puntaje: 1 punto para Licenciatura (confirmado). Para posgrado también califica pero está en trámite.

    Horario y Lugar: Jueves de 17 a 21 hs.

    Carga horaria: 20 hs. en total (5 clases de 4 horas reloj cada una).

    Lugar de cursada: Laboratorios del Departamento de Computación.

    Conocimientos previos recomendados:

    • Conocimientos de Algoritmos y Probabilidades y Estadísticas.
    • Es conveniente tener aprobada Algoritmos III pero no es requerimiento, puede ser que algún tema asuma conocimientos de esa materia.


    Programa Tentativo:

    • Caso 1  - Bombas Sumergibles

    ·Introducción a data mining, big data, y la problemática específica que

    representa. 

    ·Qué es big data. Principales desafíos.

    ·Modelos predictivos. Modelos lineales. 

    ·Un caso de modelo predictivo.

     

    • Caso 2 – Base Unificada de Datos Petroleros (BUDaP) 

    ·Bases de datos distribuidas, los problemas de la distribución y la

    necesidad de la distribución.

    ·Sistemas de archivos distribuidos. 

    ·Bases NoSQL, discusión de ventajas/desventajas.

    ·Teorema CAP. Consistencia.

     

    • Caso 3 – ¿Qué guardar que valga la pena? ¿Qué recomendar a otros?

    ·Agrupando y encontrando elementos comunes, clases o conceptos

    (Clustering, LSH, reducción de dimensiones) 

    ·Otras técnicas.

    ·¿Cómo saber si un mail es SPAM? ¿Cómo saber si un mensaje que me mandan es de una persona real? Aplicaciones.

     

    • Caso 4 –  ¿Cómo capturar a un asesino serial? 

    ·Limitaciones en el análisis de datos: generalizaciones/extrapolaciones

    (cisne negro, drunken walk). Principio de Bonferroni. 

    ·Limitaciones y problemas típicos en los proyectos de data mining y big

    data.

    ·Calidad de datos.

     

    • Caso 5 –  ¿Cómo decido qué le gusta a los usuarios? 

    ·Test A/B, otras técnicas prácticas de evaluaciones de WEBsites. 

    ·Publicidad en la WEB: Adworks y otras soluciones.

     

    Acerca del Profesor

    Dr. Daniel Yankelevich

    Daniel Yankelevich es informático, Licenciado en la ESLAI en Argentina y recibió su PhD en la Universidad de Pisa. Realizó un postdoctorado en Carolina del Norte, USA. Ha realizado tareas docentes y de investigación en  varias universidades en Argentina y como profesor invitado en otras universidades de la región.

    En el ámbito privado, es socio fundador de Pragma Consultores, un grupo de empresas dedicadas a la consultoría e informática en Latinamerica, con filiales en Argentina, España, México, Chile, Bolivia, Uruguay y Perú. Del 2007 al 2014 se desempeñó además como CEO del grupo. Actualmente, es director de Proyectos de Big Data del Grupo Pragma.

    Dirigió varios proyectos industriales y de investigación tanto desde la academia (entre ellos, colaboración con el NSF, USA y con el CNR, Italia) como desde el ámbito privado (como director de innovación del grupo, en colaboración con universidades y también participando en el 6to Programa Marco Europeo).

    Es autor de más de 35 publicaciones técnicas, capítulos en libros y varios artículos de divulgación. Ha dirigido tesis de licenciatura y de doctorado, y ha colaborado en numerosas ocasiones en comités de programa, jurados y comisiones técnicas en diversos países. Entre sus roles, actualmente es asesor en la Fundación Sadosky de transferencia de tecnología y del programa de postgrado del ITBA en informática.

    En el pasado, ha sido miembro de la Comisión directiva de la CESSI, del consejo Asesor del FONSOFT, además de colaborar como jurado o evaluador en instituciones como la UBA, el CONICET, el CONICIT, entre otras.

    Actualmente dicta cursos en la Universidad Di Tella y en la Universidad de Buenos Aires sobre aplicaciones de big data e inteligencia comercial.