IOT, CÓMPUTO EN LA NUBE (CLOUD COMPUTING), BIG DATA, INTELIGENCIA ARTIFICIAL, MACHINE LEARNING

 

Introducción

En este post haremos un recorrido sobre distintas temas de relevancia actual. Hablaremos tanto del internet de las cosas, la recolección y generación de los mega datos y su minería,  de la inteligencia artificial, como también de la nube. Explicaré sus principales características, fundamentos y otros temas dentro de ellos que también tenga importancia para le explicación.

Desarrollo

IoT 

• IoT es el Internet de las Cosas y se refiere a que cualquier computadora conectada al internet se comuniquen entre ellos

• Es que cualquier aparato que tenga acceso a internet se puede convertir en un repositorio de datos y que esos datos sirvan para una cosa en particular

• No son dispositivos inteligentes, sino son dispositivos conectados

• Son sensores o computadoras conectadas a la red que reaccionan al usuario

• Los dispositivos IoT van desde los sensores médicos a los dispositivos de manufactura, desde los carros conectados a los aviones, desde los sensores de construcción ambiental.

• Estimaciones sugieren que dentro de unos años, miles de billones de “cosas” se conectarán al internet de alguna forma

• El internet de las cosas (IoT) es en el que un número muy grande de objetos pequeños (representando, por ejemplo, usuarios o sensores que requieren la habilidad de comunicarse el uno con el otro) hacen la aplicación

• Los escenarios IoT como la gestión remota en tiempo real y el monitoreo u obteniendo conocimientos de los dispositivos como los celulares o los carros conectados

Desafíos de IoT

• Dispositivos: comprar muchos dispositivos para que funcionen

• Objetos

• Network: o la red

• Estándares

• Consumidores

• Big Data

• Innovación

• Seguridad

• Negocios

• Los principales retos del Internet de las Cosas son:

• Escalabilidad:

• Ahora hay más dispositivos conectados que humanos 

• Volumen de la data generada (y el tráfico de la red) será enorme

• Ritmo:

• Presión por la innovación: análisis, control y mando

• Presión por la habilidad: ciencia de datos y otras especialidades de nicho

• Medio ambiente:

• Heterogeneidad extrema

• Colaboración IT/OT

• Seguridad y privacidad del internet

• Regulaciones y estándares emergentes

• Nuevos competidores

Cloud Computing o Cómputo en la Nube

• Cómputo en la nube es utilizar la computadora y/o servidor de alguien más 

• Lo que se hace es rentar el servicio

• Definiciones:

• On premises: en tus instalaciones, en tu propio servidor (por lo tanto, no es cómputo en la nube)

• Application Service Provider (ASP): proveedor de internet o alguien que se dedica a rentar las computadoras, es un proveedor de servicios de aplicaciones, con los que se dedican a vender el cómputo en la nube

• Private Cloud: es la nube privada, nadie puede acceder 

• Hybrid cloud: la nube híbrida; se combinan servicios privados con servicios en la nube

• Multi Cloud: se toman servicios de varios proveedores de internet y los pongo todos para mi empresa

• Los 3 niveles/metodologías/plataformas de servicio de cómputo en la nube para las empresas son:

• Infrastructure as a Service (IaaS): significa que se le va a rentar al ASP una computadora, al hacer esto, se le pude poner el sistema operativo que quiera, la seguridad que quiera, el software que quiera pero al mismo tiempo es el responsable de encarge se la seguridad y de las actualizaciones

• Se tienen los servidores, dispositivos de almacenamiento, red, soporte técnico, instalaciones, monitoreo

• Platform as a Service (PaaS): el cliente no se encarga de instalar el sistema operativo, ni las actualizaciones ni seguridad pero sí se debe de encargar del software

• Se tiene todo lo de IaaS pero ahora también Middleware y la plataforma de alojamiento de aplicaciones

• Software as a Service (on demand software): se renta la computadora, el sistema operativo, la memoria RAM de la computadora y además te instalan el software, no tienes que preocuparte por nada (ni siquiera por la seguridad)

• Se contrata todo

• Tiene lo de IaaS, PaaS y ahora también servicios y aplicaciones

• Por ejemplo, Oracle, SAP, gmail, hotmail, etc.

Características de la Nube

• La nube, está basada en suscripciones, es un modelo de gastos operativos

• En la nube, la computación/informática/computing es un servicio por el cual a los clientes se les cobra mensualmente

• Como en otros servicios, es medido por uso

• Cuanto más recursos de computación, red/network y almacenamiento se usen, más grande va a ser el precio que te cobren

• La mayoría de las organizaciones de IT encuentran amplias variaciones en la utilización de sistemas

• Aplicaciones (apps) de temporada: como compras de retail

• Aplicaciones que corren por un periodo de tiempo corto antes de ser eliminadas

• Uso impredecible

• La nube aborda perfectamente la variabilidad por medio del modelo de “paga por lo que usas”

3 etapas del cómputo en la nube

• Experimentación: ingenieros y otros crean las primeras aplicaciones de la nube del departamento de IT

• Al mismo tiempo, negocios y los departamento de IT visualizan el arte de lo posible, diseñan nuevas soluciones para demostrar cómo avanzar el status quo, y visualizan nuevas, ampliadas, más ágiles y mejores aplicaciones o servicios

• Migración: la mayor parte del portafolio de IT se mueven a la nube de una forma u otra

• Transformación: aplicaciones seleccionadas son rediseñadas para tomar la máxima ventaja de la nube, usando el modelo PaaS o Platform as a Service, ofreciendo mayor escalabilidad y mayor integración con otros servicios de la nube

Modelo económico

• ¿Cómo encontraron el peor lugar en Nueva York para estacionarse usando Big Data?
• R= usando PDF de infracciones de tránsito de acuerdo a los fire hydrants

Bases de datos tradicionales

• Una base de datos es un sistema que convierte un conjunto de datos de gran tamaño en una herramienta abstracta, permitiendo al usuario buscar y extraer elementos pertinentes de info., de una forma cómoda para él

• Las colecciones de datos son inútiles a menos que seamos capaces de extraer aquellos elementos concretos de info.que sean pertinentes para la tarea que tenemos entre manos

Fundamentos de bases de datos

• Esquema: descripción de toda la estructura de la base de datos

• Subesquema: descripción de una parte de la base de datos que es relevante para las necesidades de un usuario concreto

• Capa de aplicación vs. capa de gestión de base de datos

• Sistema de base de datos (DBMS): sistema que permite la manipulación de la base de datos

Modelo relacional

• Representa los datos como si estuvieran almacenados en tablas rectangulares denominadas relaciones, que son similares al formato en que se visualiza la info. de las hojas de cálculo

• Tupla: una fila de una relación de datos (renglón o registro)

• Atributos: las columnas de una relación que contiene alguna característica, o atributo de la entidad representada por la correspondiente tupla

Ejemplos de modelos relacionales

• Sistema de Nóminas

• Sistema de calificaciones

• Sistema de facturación de clientes

• Sistema de colegiaturas

• CRM (Customer Relationship 

Minería de Datos

• Data Mining es un conjunto de técnicas que permiten descubrir patrones dentro de conjuntos de datos

• Áreas:

• Marketing

• Inventarios

• Control de calidad

• Gestión de riesgos

• Detección  de fraudes

• Análisis de inversiones

• ADN

Diferencia con consultas a Bases de Datos (BD) tradicionales

• Uso de “almacenes de datos”

• Identificación de patrones

• Desconocimiento del patrón

• Usa bases de datos en memoria

Machine Learning

• Machine Learning es una de las ramas de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permiten a las computadoras aprender

• Se trata de crear programas computacionales capaces de detectar patrones en la info. y obtener conocimientos a partir de info estructurada y no estructurada 

• Las tecnologías de Machine learning son resultado de múltiples avances científicos en las Matemáticas y en la Computación que han hecho posible que las computadoras que puedan realizar ciertas tareas que mejor que los humanos

• La IA (o Inteligencia Artificial) y el Machine Learning podrían acercarnos a uno de los objetivos más buscados por la publicidad: ofrecer anuncios relevantes a escala

• La Inteligencia artificial estudia cómo lograr que las máquinas sean inteligentes o capaces de resolver problemas de la misma forma en que lo haría una persona

• El machine learning es básicamente una nueva manera de crear estos sistemas capaces de resolverlos

• Durante décadas, los programadores codificaron manualmente los programas informáticos para lograr que proporcionen resultados a partir de cierta info.

• Con el machine learning, enseñamos a las computadoras a aprender sin la necesidad de programarlas con un conjunto de reglas rígidas.

• Para lograrlo, les mostramos varios ejemplos hasta que eventualmente comienzan a aprender de ellos.

• El machine learning en google se ha utilizado en los siguientes ámbitos:
• Los datos como potencial de crecimiento
• Optimizar la publicidad en función del valor del cliente
• El rol de los especialistas en marketing y las agencias

• Con el machine learning tiene el potencial de revolucionar el marketing, tanto como lo hicieron los dispositivos móviles, internet y la televisión.

• Hoy en día, las empresas con visión de futuro están utilizando sus herramientas para sacarle el máximo partido a sus estrategias
• Así, se vuelven pioneras en aprovechar la capacidad de esta tecnología para simplificar los datos, obtener info. valiosa sobre los usuarios y captar su atención de formas muy relevantes.

¿Cómo llevamos la ciencia de datos a las computadoras?

• Tenemos muchos datos externos en la nube, datos de bases internas de CRM y ERP’s, los conectamos todos, hacemos una unificación de bases de datos, lo procesamos con inteligencia artificial y machine learning y generamos aplicaciones de reporteo para poder tomar decisiones y poder meterlo en todos los sistemas de interacción.

¿Por qué las empresas tienen problemas para desencadenar el valor de la IA?

• Data:
• Los datos están en silos y es difícil accederlos
• No se consideró la data no estructurada o externa a la organización

• Gobierno:
• Si los datos no son seguros, el autoservicio no es real
• Reto de entender el linaje y determinar una única fuente de la verdad

• Skills/Habilidades:
• Los científicos de datos son escasos y con alta demanda
• Habilitar a nuevos profesionales de datos un reto

• Herramientas e infraestructura:
• Se requiere un entorno rápido y fácil que permita probar, fallar y repetir
• Herramientas aisladas presentan barreras de productividad

DL --> ML --> NN

• Deep Learning es entender los datos

• Machine Learning es encontrarle al algoritmo

• Redes neuronales: son algoritmos de algoritmos, se combina mucho Machine Learning con muchas máquinas en una sola respuesta
• Es una red de Machine Learning

Adopción de IA en la empresa

• Un protocola ayuda a codificar formas de trabajar para permitir el desarrollo y uso a escala de la AI (Artificial Intelligence o Inteligencia Artificial)

• Un protocolo ayuda a asegurar que: 

 

Conclusiones

Todos los temas anteriores son de gran relevancia en el mundo moderno en el cual vivimos hoy en día. El internet de las cosas ha avanzado mucho en su objetivo de facilitar la vida de las personas al aprender de ellas, mediante sus hábitos. Pronto veremos que todas nuestros objetos estarán conectados entre ellos, inclusive los más impensados, como serían nuestros calcetines, playeras, etc. Lo cual también será cierto para la inteligencia artificial.

El cómputo en la nube sin duda alguna es algo que ha revolucionado al mundo, y en especial al mundo empresarial, permitiendo que las transacciones se vuelven más fáciles y conectadas entre ellas, ya no hace falta la gran necesidad de espacio, tanto físico como virtual, en cada una de las corporaciones, sino que ahora con una simple contratación de servicios puedes utilizar el espacio de alguien más, y no solo eso, sino que te ofrecen todo tipo de servicios extras que resultan necesarios tenerlos en una empresa moderna.