{"id":1657,"date":"2015-10-23T09:14:00","date_gmt":"2015-10-23T09:14:00","guid":{"rendered":"https:\/\/www.euroresidentes.com\/tecnologia\/avances-tecnologicos\/un-nuevo-sistema-informatico-del-mi"},"modified":"2016-03-03T13:14:03","modified_gmt":"2016-03-03T13:14:03","slug":"un-nuevo-sistema-informatico-del-mi","status":"publish","type":"post","link":"https:\/\/www.euroresidentes.com\/tecnologia\/avances-tecnologicos\/un-nuevo-sistema-informatico-del-mi\/","title":{"rendered":"Un nuevo sistema inform\u00e1tico del MIT podr\u00eda automatizar por completo el an\u00e1lisis de los Big Data"},"content":{"rendered":"

El an\u00e1lisis de grandes vol\u00famenes de datos, m\u00e1s conocidos hoy en d\u00eda como \u201cbig data\u201d, consiste en buscar determinados patrones ocultos con alg\u00fan tipo de valor predictivo. Esas b\u00fasquedas, por supuesto, se han automatizado, gracias a la potencia de los ordenadores modernos y el desarrollo de algoritmos cada vez mejores. No obstante, hasta ahora, la elecci\u00f3n de qu\u00e9 aspectos o factores conviene analizar dentro de esos datos requer\u00eda obligatoriamente cierta intuici\u00f3n humana<\/b>.<\/p>\n

Ahora, investigadores del MIT han desarrollado un nuevo sistema inform\u00e1tico, denominado \u201cData Science Machine\u201d<\/b>, que no s\u00f3lo busca patrones en los datos, sino que tambi\u00e9n dise\u00f1a las caracter\u00edsticas de la b\u00fasqueda<\/b>, eliminando por completo cualquier tipo de intervenci\u00f3n humana.<\/p>\n

\n\"An\u00e1lisis<\/a><\/div>\n

\nLos investigadores desarrollaron un prototipo del sistema y, para probarlo, lo inscribieron en tres competiciones en las que tuvo que competir con diversos equipos de cient\u00edficos de datos <\/b>descubriendo patrones predictivos en conjuntos de datos con los que no estaba familiarizado. El sistema inform\u00e1tico desarrollado por MIT super\u00f3 a 615 de los 906 equipos participantes en las tres competiciones<\/b>; y en dos de las tres competiciones, sus predicciones mostraron un 94% y un 96% de precisi\u00f3n con respecto a las de los ganadores. En la tercera, obtuvo una cifra m\u00e1s modesta, un 87%, pero mientras que los equipos humanos necesitaron trabajar algunos meses en el desarrollo de sus algoritmos, el sistema del MIT tard\u00f3 apenas entre 2 y 12 horas en generar cada una de sus entradas<\/b>.<\/p>\n

Sin duda, el sistema tiene muchas ventajas y ofrece buenos resultados. Existen numerosos vol\u00famenes de datos de gran tama\u00f1o almacenados con los que, al menos por el momento no se ha hecho absolutamente nada, simplemente est\u00e1n ah\u00ed; y su n\u00famero crece cada d\u00eda. Sacar partido a esos datos, dise\u00f1ando las b\u00fasquedas adecuadas para encontrar en ellos patrones predictivos que resulten de utilidad, requerir\u00eda la contrataci\u00f3n de personal altamente cualificado, adem\u00e1s de una inversi\u00f3n de dinero. Sin embargo, el nuevo sistema del MIT puede hacerlo de forma autom\u00e1tica, pr\u00e1cticamente sin coste a\u00f1adido y en una cantidad de tiempo mucho menor<\/b>, ofreciendo unos resultados que, si bien por el momento pueden no ser los mejores, s\u00ed son lo bastante buenos.<\/p>\n

El investigador Max Kanter, en cuya tesis de m\u00e1ster se basa el sistema, y Kalyan Veeramachaneni, su director de tesis e investigador del Laboratorio de inteligencia artificial y ciencias de la computaci\u00f3n (CSAIL) del MIT, describen el nuevo sistema en un art\u00edculo presentado<\/b> por Kanter en el Congreso Internacional de ciencia de los datos y an\u00e1lisis avanzado del IEEE<\/a><\/b>, que tuvo lugar esta semana en Par\u00eds.<\/p>\n

<\/p>\n

\nC\u00f3mo funciona<\/h3>\n

\nPara identificar en la base de datos los factores que podr\u00edan tener un valor predictivo, Kanter y Veeramachaneni:<\/p>\n

    \n
  1. Aprovechan las relaciones estructurales inherentes en el dise\u00f1o de bases de datos:<\/b> las bases de datos suelen almacenar diferentes tipos de datos en diferentes tablas, indicando las correlaciones entre ellas mediante identificadores num\u00e9ricos. El sistema de los investigadores del MIT rastrea estas correlaciones y las utiliza como clave para identificar los factores que convendr\u00e1 utilizar en el an\u00e1lisis.<\/li>\n

    <\/p>\n

  2. Buscan los llamados datos categ\u00f3ricos<\/b>, que parecen estar restringidos a un rango limitado de valores, como los d\u00edas de la semana o los nombres de marcas. Entonces, genera nuevos factores candidatos dividiendo los que ya tiene en las diferentes categor\u00edas.  <\/li>\n

    <\/p>\n

  3. Una vez seleccionado un conjunto de factores, reducen su n\u00famero<\/b> identificando aquellos cuyos valores parecen estar correlacionados.<\/li>\n

    <\/p>\n

  4. Finalmente, prueban ese conjunto reducido de factores en los datos de la muestra<\/b>, realizando diferentes combinaciones, para optimizar la precisi\u00f3n de las predicciones generadas. <\/li>\n<\/ol>\n

    \nPuedes consultar y descargar el art\u00edculo completo en el siguiente enlace: \u00abDeep Feature Synthesis: Towards Automating Data Science Endeavors<\/a>\u00ab, de James Max Kanter y Kalyan Veeramachaneni, del MIT.<\/p>\n

    <\/a><\/p>\n

    <\/p>\n

    \nSeguir leyendo:<\/h3>\n