“A Probabilistic Sample Matchmaking Strategy for Imbalanced Data Streams with Concept Drift” en la Conferencia Internacional Intelligent Distributed Computing, IDC`2016.

“A Probabilistic Sample Matchmaking Strategy for Imbalanced Data Streams with Concept Drift” en la Conferencia Internacional Intelligent Distributed Computing, IDC`2016.

Jesus L. Lobo, Javier Del Ser, Iban Laña de TECNALIA, Miren Nekane de UPV/ EHE y S.Salcedo de la Universidad de Alcalá presentan su trabajo de investigación en el IDC 2016, 10th INTERNATIONAL SYMPOSIUM ON INTELLIGENT DISTRIBUTED COMPUTING.

En los últimos años ha aumentado la necesidad y crecido el interés por los modelos adaptativos para entornos no estacionarios, especialmente para aquellas aplicaciones predictivas que reciben los datos en forma de “streams” y que trabajan en modo “Big Data”. Uno de los desafíos más destacados para estas aplicaciones que tienen que trabajar en estos entornos es lidiar con la obsolescencia de sus modelos, es decir, cómo saber cuándo sus modelos están obsoletos y deben actualizarse (re-entrenarse) para seguir siendo precisos. Lo primero es saber que los datos pueden sufrir cambios inesperados en su distribución (el denominado “concept drift”), y saber cuándo se produce este cambio o conocer cómo los modelos deben adaptarse a este cambio es la clave de la solución.

El trabajo presentado por Jesús López Lobo en la conferencia internacional Intelligent Distributed Computing celebrada en París, nos acerca a una solución en la que no es necesario conocer el momento del drift, y en la que el modelo se adapta al cambio de una forma inteligente: el modelo es entrenado con la información actual pero también con la información del pasado más relevante y “parecida” para el momento actual (en forma de centroides extraídos de los modelos pasados). Este “parecido” se basa en una métrica que contempla la similaridad de los datos del pasado y del presente en términos de desbalanceo de la clase y del AUC.

Esta técnica ha sido testeada en un entorno específico de datos sintéticos, y el futuro de esta investigación pasa por realizar más pruebas con datos sintéticos y también de entornos reales.

 

TECNALIA presenta una propuesta de valor apoyada en la analítica avanzada, en la Jornada de Transporte 4.0.

El próximo 26 de Octubre en la sede de Ibermática en Donosti se celebrará la jornada“Transporte 4.0, herramientas de productividad imprescindibles para empresas de transporte y logística.”

 La Transformación Digital está en todas partes. El acceso inmediato a la información, la conectividad, el avance del comercio electrónico, la nube, las redes sociales y los dispositivos móviles presentan un nuevo entorno a las empresas de transporte y logística, que tienen que afrontar nuevos retos y oportunidades.

camion_microsoft

En el marco de la jornada organizada por Ibermática “Transporte 4.0, herramientas de productividad imprescindibles para empresas de transporte y logística, en el que se ofrecerán las claves para transformar a las empresas en organizaciones dinámicas y que extraigan el valor de la transformación digital.

Las posibilidades de los vehículos autónomos/e-mobility, la regulación automática del tráfico o el potencial de la economía compartida empiezan a ser vislumbrados en el sector como fuerzas transformadoras.

En este sentido Iñaki Etxebarria de TECNALIA presentará “Una arquitectura para el despliegue rápido de servicios de ayuda a la decisión en el dominio de la Movilidad y Logística”.

El despliegue de tecnologías de carácter disruptivo en el ámbito de la movilidad y la logística está dando oportunidad al desarrollo de soluciones de alto valor añadido para la ayuda a la decisión en tiempo real en los negocios.

No obstante, la complejidad de este tipo de soluciones requiere para su desarrollo, puesta en marcha y mantenimiento, la utilización de componentes que faciliten la gestión de todo el ciclo de vida de éstas.

En TECNALIA estamos desarrollando un conjunto de componentes analíticos que permita a los desarrolladores de soluciones finales incorporar una algoritmia de alto valor en el ámbito de la movilidad y la logística, tales como la eficiencia en conducción, seguridad vial, process mining o planificadores multi- modales.

(más…)

TECNALIA participa en el máster Big Data de la Universidad de Málaga

TECNALIA participa en el máster Big Data de la Universidad de Málaga

El grupo de investigación de Big Data en Tecnalia y el grupo Khaos de la UMA forman a profesionales competentes en análisis de datos.

El Máster en Advanced Analytics on Big Data es un máster propio de la Universidad de Málaga organizado por el grupo de Investigación Khaos y TECNALIA en colaboración con empresas con amplia experiencia en el ámbito del análisis de datos en aplicaciones Big Data.

Los contenidos de máster incluyen una importante carga en tecnologías actuales relacionada con Big Data, como las plataformas Hadoop y Spark, bases de datos tanto SQL como NoSQL, herramientas de visualización de datos, técnicas de análisis predictivo, y la aplicación de todas ellas a tres casos de estudio de corte real. También se abordarán temas avanzados, como Internet de las Cosas, Cloud Computing y aspectos relacionados con la seguridad.

Dirigido por el catedrático José Aldana, responsable del grupo Khaos, especializado en Big data, la plantilla docente se nutre en gran medida de personal del Departamento de Lenguajes y Ciencias de la Computación.

Javier Del Ser, Iñaki Olabarrieta, Itziar LandaSergio Campos de Tecnalia abordaran temas relacionados con la movilidad individual, la modelización predictiva, experiencias relacionadas con las Smart Grids y trastornos de sueño entre otros.

(más…)