En este post veremos el enfoque y aplicaciones claves que aporta el machine learning como elemento distintivo, frente a un contexto general de inteligencia artificial que engloba ésta y otras áreas. [Read more…]
Datascience
IoT y M2M, dos conceptos parecidos pero diferentes, para mejorar empresas y smart cities
Diferencias entre IoT y M2M
El gran desafío que supone la revolución de Big Data plantea numerosos retos que resultan más fáciles de abordar gracias al desarrollo de las industrias vinculadas a las tecnologías de la información y las comunicaciones. Hoy queremos analizar la diferencia entre IoT y M2M.
Cómo la Geolocalización puede aportar valor a las ciudades
Geolocalización como elemento clave de las Smart Cities
El concepto de smart cities o ciudad inteligente hace referencia a un modelo de ciudad donde se optimizan los recursos, mejorando la calidad de vida del ciudadano gracias a la innovación tecnológica. En este ámbito, las tecnologías de geolocalización juegan un papel esencial. Es este artículo hacemos un recorrido por el concepto de smart city, explicamos por qué la geolocalización es importante y tecnologías aplicables y algunos casos de éxito. Empezamos.
Grandes volúmenes de datos para ayudar a la toma de decisiones
Diferencias entre Data Science y Big Data
Los términos Big Data y Data Science se asocian con los grandes volúmenes de datos que caracterizan la nueva era tecnológica. En particular, con la recogida, análisis y, como objetivo último, extracción de valor de esos datos para ayudar en la toma de decisiones.
Arqueología y Tecnología
Tecnologías espaciales para estudiar la Prehistoria Reciente
El Profesor Carlos Odriozola Lloret, del Departamento de Prehistoria y Arqueología de la Universidad de Sevilla, está llevando a cabo un proyecto pionero en Europa: APPE – Nuevas tecnologías espaciales aplicadas al estudio de la movilidad e intercambio.
Mediante trabajos de campo, novedosas técnicas de análisis científico y bibliografía, se están recopilando datos sobre los adornos personales encontrados en los yacimientos arqueológicos de la Península Ibérica (composición química, localización, etc.).
Extrayendo los patrones espacio-temporales de su distribución se van a analizar temas tan interesantes como: la evolución del comercio en el Mediterráneo, las redes de intercambio y la interacción social durante la Prehistoria Reciente en la Península Ibérica (10.000-1.200 a.C).
Desde el comienzo, el Profesor Carlos Odriozola Lloret ha valorado la importancia de una buena organización y armonización de sus datos, así como del uso de tecnologías espaciales que garanticen la calidad de los mismos y les permitan hacer análisis avanzados.
En Geographica colaboramos en este proyecto empleando tecnologías espaciales y aportando nuestras técnicas de análisis de datos para extraer el máximo potencial de los datos y conseguir información valiosa: en este momento se están analizando más de 10.000 yacimientos arqueológicos y más de 20.000 adornos y cuentas y la cifra seguirá creciendo.
En una primera fase hemos ordenado y normalizado los datos. Después, diseñamos un modelo relacional sobre una base de datos PostGIS sobre la que hemos procesado los datos, lo que nos permite hacer análisis espaciales, actualizar los datos de forma fácil y garantiza su coherencia. Por último cruzamos distintas tablas, obteniendo nueva información relevante para la investigación. Éstas tablas se actualizarán automáticamente conforme el estudio vaya evolucionando.
El proyecto todavía no ha concluido pero ya se han extraído algunos resultados interesantes, como aquellos relacionados con la variscita, un mineral de color verde que se utilizaba para fabricar adornos personales (cuentas de collares, etc.). Esta solo se podía extraer en algunos puntos de la Península como Zamora, Barcelona o Huelva.
Aplicando análisis espaciales y cronológicos a los datos, se observa la presencia de adornos de variscita en lugares lejanos a la fuente de extracción. Se ha concluido que, en ciertas etapas de la Prehistoria Reciente, se utilizaba como símbolo de poder, pues la persona que lo llevaba podía permitirse traer el material de un lugar lejano. Se trata de un elemento que nos ayuda medir las desigualdades sociales.
Cuentas de variscita con forma de conejo
Geographica ha diseñado un visor web que muestra información sobre el proyecto y algunos datos de los yacimientos analizados. Se trata de una web muy sencilla y básica, ya que hemos podido dedicar menos tiempo de lo acostumbrado a la fase de desarrollo. Lo cierto es que la mayor parte del esfuerzo y el trabajo se ha destinado a la “parte interna” del proyecto, es decir, a construir en muy poco tiempo una base de datos sólida que sirva a los investigadores del Grupo ATLAS como herramienta de trabajo.
El futuro: seguir trabajando junto al Profesor Odriozola para mejorar las herramientas y obtener más resultados de los que extraer conocimiento valioso.
Sin duda el proyecto de investigación APPE tiene un gran potencial y combina las áreas que más nos entusiasman: temática apasionante, Data Science y últimas tecnologías espaciales.
Tiempo, el mejor maestro
En Geographica, estrenamos nueva web
Seguimos evolucionando, esperamos que os guste.
1. Primera época 2007-2008.
¿Qué hacíamos? Visores en SVG y Flash. El escritorio estaba dominado por ArcGIS y SmallWorld. Aún nos encargaban mapas en papel.
Clientes: administraciones y empresas locales-regionales.
Nuestro primer logo
2. 2008- 2012. El Software Libre y el Diseño explotan dentro de Geographica. Elegimos PostGIS, QGIS, MapServer, R, GDAL. Hacemos visores en Java, en HTML5, usamos GM, OSM, OGC. Desarrollamos y subimos nuestras primeras App para iOS y Android. Terminamos nuestros primeros Cuadros de Mando Geográficos.
Clientes: administraciones, proyectos europeos, empresas privadas nacionales, organismos científicos y universitarios.
3. 2012-201?. Fase de expansión. Los datos ¡por fin! empiezan a ganar la batalla. Hacemos GIS y Data Science. Usamos Hadoop, Spark, Node.js, Python, SciPy, Maply, CartoDB, Mapbox, Docker, gscope. Una nueva, apasionante y divertida era.
Clientes: empresas privadas nacionales e internacionales, instituciones internacionales y nacionales, organismos científicos y universitarios.
¿Hacia dónde vamos? A hacer más cosas, con más gente, en más países. Queremos seguir trabajando y dando trabajo desde aquí y para el mundo. Podremos si seguimos cuidando lo más importante: el Equipo, que ha sido, es y será la clave de Geographica.
Análisis de datos con Matplotlib
Mapeando el mundo con Matplotlib
Estas últimas semanas he estado “exprimiendo” un poco más una de mis herramientas favoritas para análisis de datos: Matplotlib. Esta potente librería open source del ecosistema pythoniano, junto a otras como Numpy, Scipy, IPython, Pandas, Sympy, etc., es actualmente core package de las Scientific Computing Tools for Python, más conocidas como The Scipy Stack (http://www.scipy.org/).
A pesar de que llevo años trabajando con Matplotlib, indagar poco a poco en sus entrañas me va permitiendo conocer cada vez más su verdadero potencial.
Como geógrafo, no podía ser de otra manera que el toolkit de Matplotlib que más he usado es Basemap, con el que he pasado muchas horas ploteando resultados antes de integrarlos en un Sistema de Información Geográfica. Cabe destacar que la elevada robustez de Basemap se debe a que se sustenta sobre dos pesos pesados: PROJ4 y GEOS.
Basemap, aunque se encaja directamente encima de Matplotlib como un toolkit, es realmente una librería independiente desarrollada por Jeffrey S. Whitaker, un meteorólogo del Earth System Research Laboratory de la National Oceanic and Atmospheric Administration (NOAA).
Me gustaría recordar la importancia crucial que tiene Jeffrey S. Whitaker en el mundo del software geocientífico, ya que ha regalado a la comunidad otras valiosas “perlas” como el binding Python a la Librería C de NetCDF4 de UNIDATA o los bindings Python a las librerías más importantes de decodificación de ficheros GRIB (NOAA y ECMWF).
Un ejemplo de mis últimos escarceos con Basemap han quedado materializados en una pequeña librería que he construido sobre ella, y que he llamado daynight2geojson. El objetivo de esta pequeña aplicación es obtener la distribución espacial mundial de la noche para una fecha exacta que especifiquemos (que se asume que es UTC). Si no se especifica ninguna fecha, el programa calcula la cobertura nocturna para la fecha actual (UTC, claro está).
Una vez extraídos los datos, se procesan y almacenan en un fichero GeoJSON, que puede por supuesto ser cargado en cualquier cliente capaz de leer este formato (su simpleza hace que hoy día casi cualquier cliente geo lo consuma sin ningún problema).
Todo el procesado de las geometrías se realiza con ayuda de la librería Python para tratar con el formato GeoJSON y la librería para manipulación y análisis de objetos geométricos Shapely (que funciona sobre GEOS). El sistema de referencia de coordenadas (CRS) de la cobertura de salida es EPSG:4326.
Para el que quiera profundizar, todo el fundamento matemático sobre el que descansa el cálculo de la geometría mundial de la noche se encuentra en el módulo solar de Basemap: el cálculo de la GHA (Greenwich hour angle), la declinación solar, etc.
A continuación se muestran algunos ejemplos de cálculos realizados con la librería daynight2geojson para diferentes fechas:
- Cálculos para el día 15 de enero de 2015 a las 12:00 horas UTC.
- Cálculos para el día 15 de enero de 2015 a las 18:00 horas UTC (el mismo día a distinta hora).
Todo el código fuente está accesible en Github: https://github.com/GeographicaGS/daynight2geojson
El que tenga algo que aportar, corregir o discutir, lo puede hacer a través de la apertura de un nuevo issue o forkeándolo y lanzando un pull request.
¡Hasta la próxima!
Avistamientos geolocalizados
MedMIS: Informar sobre especies invasoras en el Mediterráneo
Ahora es mucho más fácil. Si eres biólogo, ecólogo, de ciencias del mar, o simplemente estás interesado en la sostenibilidad de las especies marinas que se encuentran en nuestro Mar Mediterráneo, ahora puedes alertar al organismo competente desde MedMIS una solución desarrollada por Geographica para IUCN:
El proceso es sencillo: Se produce el avistamiento de una especie invasora, se realiza una foto y se sube a la plataforma MedMIS. El personal encargado de la UICN estudia y valora el avistamiento y lo hace público para compartirlo con todos los usuarios.
También puedes realizar tu aportación desde la aplicación móvil, en iOS y Android.
Esperamos que te haya parecido interesante.
¡Hasta pronto!
