(El inglés sigue al japonés)
Título en japonés: ¿Cómo abordar el Big Data? Solucionando problemas de datos con JMP®.
Michele Boulanger, Profesora Asociada de Economía Internacional, Universidad de Rawlins (Orlando, Florida, EE. UU.)
Mia Stephens, Embajadora Académica de JMP, SAS Institute Inc.
Nuestra capacidad para adquirir datos transaccionales en la mayoría de los campos ha dado paso a la era del "big data". ¿Qué es el "big data"? ¿Significa necesariamente "grande" que los datos son desordenados, inconsistentes o difíciles de manejar? ¿Cuánto ajuste y optimización se requiere en el mundo del big data? ¿Qué distingue las fases de preparación y limpieza del mundo del big data? En esta charla, abordaré los diversos desafíos que se presentan en la fase potencialmente más laboriosa del análisis de big data: la preparación de datos. Presentaré dos estudios de caso, cada uno con objetivos muy diferentes y que requieren enfoques distintos para dar forma a los datos para el modelado. Junto con estos enfoques, destacaré métodos y plataformas de JMP, como consultas, recodificación, estandarización, transformación, atribución y minería de texto, que permiten desarrollar metodologías trazables y reproducibles para la preparación de big data en la fase de modelado. Haré una demostración con JMP13.
¿Poniendo orden a los macrodatos? Un entrenamiento de datos con JMP.
Michele Boulanger, profesora del Departamento de Negocios Internacionales de Rollins College, Orlando.
Mia Stephens, Embajadora Académica de JMP, SAS (Coautora)
Nuestra capacidad para capturar datos transaccionales en la mayoría de los campos nos ha llevado a la era del "big data". ¿Qué es el big data? ¿Significa "grande" necesariamente que los datos son desordenados, inconsistentes o difíciles de manejar? ¿Cuánto trabajo de preparación y acondicionamiento se requiere en el mundo del big data? ¿Qué diferencia la preparación en el mundo del big data de la fase tradicional de limpieza de datos? En esta charla, analizaremos los diferentes desafíos que se presentan en la fase que potencialmente consume más tiempo en el análisis de big data: la preparación de datos. Presentaremos dos estudios de caso con objetivos muy diferentes, que requieren enfoques distintos para dar forma a los datos para el modelado. Junto con estos enfoques, también destacaremos técnicas y plataformas de JMP, como consultas, recodificación, estandarización, transformación, imputación, minería de texto y otras, para desarrollar una metodología trazable y reproducible que permita preparar el big data para la fase de modelado. Todas las demostraciones se realizarán en vivo con JMP Pro 13.
