El conflicto como oportunidad y Estos mexicanos desarrollan tecnología al nivel de Silicon Valley

0 views
Skip to first unread message

haguayo_mag362

unread,
Feb 29, 2016, 6:57:43 PM2/29/16
to gana-lo-que...@googlegroups.com

El conflicto como oportunidad 2016-02-18 08:03:28

Este curso, se enmarca en el proyecto Europeo ETHOS sobre explotación de conflictos a nivel organizacional en el ámbito empresarial. Este proyecto tiene por finalidad la promoción y la mejora de la gestión y explotación –como recursos para el cambio, interpersonal, social y organizacional- de conflictos en ambientes de negocios y laborales de cara a apoyar la mejora de la calidad y de la innovación en el ámbito de la educación y formación profesional.

Todo ello a través de la promoción de ambientes de aprendizaje más motivadores en el lugar de trabajo así como formaciones in situ que sirvan de base para el desarrollo de habilidades vocacionales y profesionales relevantes en base a las necesidades del mercado laboral.

El presente curso de formación se enmarca dentro de este proyecto, pues cada país socio ha de realizar una formación similar en sus respectivos lugares de origen.

Este curso se ha diseñado sobre la base de un currículum nuevo y específico que define las competencias y habilidades necesarias para las pequeñas y medianas empresas así como para los jóvenes emprendedores y gestores empresariales, de cara a identificar, desarrollar y mejorar sus competencias y habilidades en la gestión de conflictos en el lugar de trabajo.

El curso tendrá una duración de 36 horas y se realizará del lunes 14 a viernes 18 de Marzo de 16:30 a 20:30, en el centro cultural de Santiago y Zaraiche de Murcia.

Inscripciones en este enlace [formacionjuventud.carm.es]

Estos mexicanos desarrollan tecnología al nivel de Silicon Valley 2016-02-09 17:19:00

A cuatro años de su creación, el UNAM Mobile ha logrado demostrar que los mexicanos tenemos talento y buenas ideas para desarrollar plataformas móviles

A cuatro años de su creación, el UNAM Mobile ha logrado demostrar que los mexicanos tenemos talento y buenas ideas para desarrollar plataformas móviles. Foto: Archivo Excélsior.POR:  Javier Báez Última actualización 09 / Febrero / 2016 Fuente: DJAVIER BÁEZ | COLABORADORComunicólogo egresado de la UNAM, editor, community manager, gamer, lector y gustoso espectador del fenómeno cinematográfico.Me pueden seguir en Twitter...http://

Ciudad de México.- Los integrantes del laboratorio de aplicaciones de la UNAMreconocen que los mexicanos estamos al nivel de desarrollo de otras universidades del mundo, o hasta del mismo Silicon Valley en Estados Unidos.A cuatro años de su creación, el UNAM Mobile ha logrado demostrar que los mexicanos tenemos talento y buenas ideas para desarrollar plataformas móviles. En parte, lo que busca este laboratorio es que los proyectos salgan de las aulas, y puedan vincular a los estudiantes con el mercado laboral, y también, formar alianzas con empresas de tecnología y otras universidades del mundo.Este laboratorio es multidisciplinario, es decir, no es necesario que el proyecto provenga de los estudiantes de la Facultad de Ingeniería, sino que pueden participar personas de otras facultades de la UNAM, no importa si se encuentran o no en el campus de Ciudad Universitaria, todas las ideas son bienvenidas.UNAM Mobile está integrado por 30 personas.Y es precisamente esta característica la que brinda una perspectiva más innovadora, pues permite que los jóvenes tengan la capacidad de proponer y experimentar con libertad.
Todo el talento que está adentro de la universidad, es decir, los mismos alumnos de las facultades, son invitados o son captados para que puedan desarrollar programas, aplicaciones o diversos proyectos dentro de las aulas del laboratorio”, Carlos Vázquez, líder de Proyecto en UNAM Mobile.
El enfoque es precisamente el de innovación, en donde los proyectos tengan un componente distinto, pero siempre con la visión de hacer algo nuevo a lo ya existente, y que tenga resultados diferentes.Por ejemplo, este laboratorio fue pionero en trabajar con Realidad Virtual, en sus inicios desarrollaron la aplicación UNAM 360, una plataforma de realidad aumentada que permite a los usuarios ubicarse dentro del campus de Ciudad Universitaria al utilizar la cámara del dispositivo móvil donde se instaló la app.Actualmente, además de trabajar con aplicaciones móviles, también han abierto un área dedicada al hardware, y aproximadamente hace año y medio, el laboratorio también comenzó a trabajar en el desarrollo de tecnologías aplicadas al Internet de las Cosas.Las aplicacionesHasta el momento UNAM Mobile cuenta con 12 casos de éxito de aplicaciones que están a la disposición del público en general. Entre ellas se encuentran: Kanji para Android, Murales CU para iOS, Gasolineras VIP en Android, Living Paints en iOS y Genius Rex disponible para teléfonos Android.En general, el tipo de aplicaciones desarrolladas por la UNAM tienden a ser decorte educativo, y se trabaja para que estén en sistemas operativos comoAndroid, iOS y Windows Phone.El laboratorio UNAM Mobile tiene dos sedes: Ciudad Universitaria y el Centro Cultural Universitario Tlatelolco.Otra parte del objetivo del UNAM Mobile, es que los estudiantes tengan la oportunidad de crear su propia empresa de tecnología, y también, hacer que el talento de los jóvenes sea visible para las grandes empresas.
En otras partes del mundoEsta experiencia ha llevado a los integrantes del laboratorio a participar y viajar a otras partes del mundo. Por ejemplo, los jóvenes estuvieron en el International Space Challenge organizado por la NASA, y para ello desarrollaron un pequeño robot que integraba conocimientos de hardware, realidad aumentada, desarrollo de aplicaciones y nuevas tecnologías. Con él ganaron la competencia a nivel nacional y se colocaron en un muy buen lugar a nivel internacional.
Ganar un concurso de la NASA no cualquiera lo hace, uno pensaría que esas competencias las ganan los estudiantes de universidades en el extranjero, de escuelas de renombre que destacan por tecnología, y lo que esto nos demuestra es que, el talento que hay en México y la universidad, está ahí, y es una evidencia clara de que existen las personas lo suficientemente capaces para hacerlo” Carlos Vázquez.
Otro proyecto para impulsar la lectura los llevó a mostrar su desarrollo a laUniversidad de Stanford en Estados Unidos. De acuerdo con los integrantes del laboratorio, esta experiencia les sirvió para percibir cómo todos los demás proyectos están al mismo nivel, y en algunos casos, un poco más abajo. De hecho, recibieron varias felicitaciones de los otros participantes por el buen trabajo que realizaron.Visita la tienda de apps de la UNAM.

De profesión, científico de datos 2016-02-03 11:01:35

3694704325 56a0938ea5 O

La sabiduría popular lo tiene claro, un científico de datos (un data scientist) es "un estadístico que trabaja en San Francisco". Y es que, desde hace unos años, esta profesión está de moda gracias, en parte, al mundo startupil. Pero la ciencia de datos va mucho más allá y está convirtiéndose en una de las profesiones más prometedoras de hoy en día.

La fiebre de los datos ha hecho que empecemos a escuchar hablar de esta disciplina por todos lados. Pero, no podemos dejar de preguntarnos si es una moda pasajera o los científicos de datos han venido para quedarse. Repasamos qué es exactamente eso de la data science, sus oportunidades laborales y las posibilidades que existen para formarse.

¿Qué es un científico de datos?

Otra forma de verlo es la de Josh Wills. Wills usa otra definición que me parece mucho más acertada e intuitiva: "Científico de datos (n): Persona que sabe más de estadística que cualquier programados y que a la vez sabe más de programación que cualquier estadístico". Un poco más en serio, un científico de datos es sencillamente un profesional dedicado a analizar e interpretar grandes bases de datos. O lo que es lo mismo, uno de los profesionales más importantes en cualquier empresa de internet hoy en día.

¿Por qué se ha puesto de moda? 7155294657 4de9f80b13 O

La respuesta nos la daba Javi Pastor hace unos días: la tecnología actual no solo necesita del mejor talento sino de datos, mucho datos. Muchos. Es decir, que la moda por lo abierto y el giro hacia los datos no es más que la enésima máscara del mismo espíritu corporativo de siempre buscando el próximo yacimiento. Y lo que vale para los entornos de inteligencia artificial y de machine learning, vale para casi cualquier tecnología.

Lo curioso es que este gran valor de los datos contrasta con que precisamente los datos son el recurso más abundante del planeta (se calcula que se crean 2.5 trillones de bytes de información nuevos al día). No parecen cosas fáciles de compatibilizar. ¿Cómo es posible que algo tan abundante sea tan valioso? Aunque fuera por pura oferta y demanda, acumular datos debería ser algo trivial. Y lo es, lo complejo es procesarlos.

Hasta hace relativamente poco sencillamente no podíamos hacerlo. A finales de los años 90, el campo del machine learning (aprendizaje automático) empezó a tomar entidad autónoma, nuestra capacidad de trabajar con cantidades inmensas de datos se abarató y la irrupción social de internet hizo el resto. Desde hace unos años nos encontramos ante la primera gran 'democratización' de estas técnicas. Y, con ello, el boom de los científicos de datos: nadie quiere tener una mina de oro sin aprovechar.

En busca de un científico de datos 6281323903 1c952cdcd6 O

El problema es que, de repente, ha surgido una gran demanda de un perfil que hasta ahora prácticamente no existía. Recordemos que se precisan conocimientos estadísticos que un programador no suele tener y conocimientos informáticos que un estadístico no suele ni siquiera imaginar.

La mayor parte de las veces se ha solucionado con formación autodidacta que completa las habilidades básicas que debería tener programa formativo pero no tiene. Por eso, hoy por hoy, podemos encontrar una gran diversidad de perfiles profesionales en el mundo de la ciencia de datos. Según Burtch Works, el 32% de los científicos de datos en activo vienen del mundo de las matemáticas y la estadística, el 19% de la ingeniería informática y el 16% de otras ingenierías.

Cómo formarse 6082519811 36ae7dcb83 O Grados

A día de hoy, existen algunos grados dobles en ingeniería informática y matemáticas (Autónoma de Madrid, Granada, Politécnica de Madrid, Politécnica de Cataluña, Complutense, Murcia Autónoma de Barcelona) o en informática y estadística (Universidad de Valladolid) que parecen la mejor opción si nos planteamos esta especialización. De hecho, esta opción parece más interesante que los posibles 'grados en ciencia de datos' que pudieran surgir en el futuro: las posibilidades son más amplias, la formación más diversa y permite no encasillarnos.

Posgrados

El de los posgrados es un mundo muy diverso. Podemos encontrar posgrados, másteres o cursos de especialización en casi todas las universidades y una oferta privada realmente desmesurada. Por poner algunos ejemplos tenemos posgrados en la UGR, la UAB, la UAM, la UPM o la Pompeu Fabra. De todas formas, en posgrados es más difícil recomendar un curso en concreto. La clave está en buscar complementar nuestra formación previa y, en ese sentido, la diversidad es una buena noticia.

Lo que sí podemos encontrar en la formación de posgrado que no podemos encontrar en la formación previa es el componente de 'orientación de negocio'. No debemos olvidar que la mayor parte del trabajo de los científicos de datos está en empresas que buscan rentabilizar sus bases de datos, porque lo que la orientación al mercado es algo muy recomendable. De hecho, muchos de los másteres en 'big data' lo ofrencen escuelas de negocios como OEI o Instituto Empresa.

MOOCS

Uno de los recursos más interesantes que podréis encontrar son los moocs (ya sabéis, los cursos abiertos masivos online). Empezando por el programa de especialización en big data de Coursera, podemos encontrar cursos online de las mejores universidades del mundo. Si tuviera que recomendar alguno, los cuatro moocs que me parecen más interesantes el CS109 Data Science de Harvard, el curso de Machine Leaning de Standford, el The Analytics Edge del MIT o el Learning for data de CalTech. Todo esto sin hablar de las numerosas herramientas para aprender lenguajes como Python o R.

Certificados y otras opciones

También existen una serie de certificados o acreditaciones que permiten avalar nuestros conocimientos en ciencia de datos: el Certified Analytics Professional (CAP), Cloudera Certified Professional: Data Scientist (CCP:DS), EMC: Data Science Associate (EMCDSA) o certificados más específicos como los de SAS. Algunos de estos certificados tienen unos requisitos muy duros pero son una buena alternativa si hemos estado trabajando en este campo con anterioridad.

Otros recursos interesantes son las asociaciones (como R Hispano o Python España) y los grupos informales tipo Databeers que tanto éxito están teniendo por todo el país. Es verdad que el ecosistema de eventos y reuniones en data science está empezando a desarrollarse, pero con la experiencia acumulada en otros ámbitos seguro que se pone al día pronto.

¿Qué lenguajes hay que aprender? 8553577728 A2ef963df9 B

En realidad, como cualquier iniciado sabe, en programación la elección de un lenguaje u otro siempre es complicada. En esta elección intervienen desde factores técnicos o formativos a simples preferencias personales.Lo que sí está claro es que hay algunos lenguajes más populares que otros.

Los tres mosqueteros de la Ciencia de Datos Languages Data Mining R Python Sql

Un insustituible

  • SQL: El 68% de los científicos de datos usan SQL y si incluyéramos a todas las bases de datos, completaríamos casi el 100 por 100 de los encuestados. Es algo necesario no sólo por la inmensa cantidad de datos de los que hablamos sino porque la mayor parte de los datos que usa un científico de datos profesional provienen de internet.

La gran división

  • R: En torno a un 52% de los dateros usan R para su trabajo usual. Tiene a su favor que ha sido el lenguaje estadístico por excelencia durante muchos años y podemos encontrar códigos y paquetes para casi cualquier cosa que se nos ocurra. Tiene en su contra que su sintaxis es más antigua, compleja y fea que otros lenguajes más modernos que empujan fuertes. Es el lenguaje de los que se acercan desde un background científico.
  • Python: El 51% por ciento de los dateros usan Python de forma habitual. Es la némesis de R en este caso: tiene una sintaxis muy buena y moderna pero aún queda mucho por trabajo por hacer desarrollando su ecosistema. No obstante, para ser justos, Python cada vez es más competitivo y iniciativas como SciPy están poniéndole las cosas muy difíciles a R. Es el lenguaje de los que se acercan desde un background informático.

Aunque el sentido común nos dice que cada uno de los lenguajes es mejor para determinadas cosas, en la práctica hay cierta rivalidad. Personalmente, uso R pero suelo recomendar Python. No sólo porque es más bonito, sino porque es multipropósito y eso siempre es una ventaja.

El pequeño D'Artagnan
  • Julia: Julia es la esperanza blanca de la ciencia de datos. Un lenguaje diseñado para conservar la potencia de lenguajes como fortran o C combinado con las facilidad de sintaxis de los nuevos lenguajes. Si tuviera que apostar, a día de hoy, no lo haría por Julia. Le queda mucho trabajo si quiere ser algo más que el refugio de los fortraneros más abiertos al cambio.
Otras herramientas Cz 6tpbwkauv4r7

Un incombustible

  • Excel: No es un lenguaje y no suele gustar a aquellos que trabajan con datos a nivel profesional. O eso dicen porque las encuestas dicen lo contrario: Un 59% por ciento de los encuestados usan habitualmente excel. Así que, en fin, la aplicación de hojas de cálculo de Office sigue dando mucha guerra.

El hermano corporativo y otros lenguajes y programas

  • Algunos lenguajes o entornos gozan de cierto éxito empujados por la inercia corporativa: es el caso del clásico Matlab pero progresivamente va perdiendo peso y uso hasta sólo un 6%.

  • Si examinamos las encuestas podemos encontrar muchos más lenguajes que obedecen a necesidades más particulares de la práctica de los científicos de datos (o de los programas que usan): Scala (17%), Slack (10%), Perl (12%), C# (6%), Mahout (3%), Apache Hadoop (13%) o Java (23%).

  • También, aunque es posible que debiéramos hablar de ellos por separado, hay muchos programas específicos (libres o privativos) que se usan en la ciencia de datos con distintos usos. Por poner algún ejemplo, podríamos hablar de Tableau, RapidMiner o de Weka.

El mercado laboral: sueldos y oportunidades 7408506410 Fbd7bc0fcd K

Los sueldos, como en general en el mundo del desarrollo de software, cambian mucho dependiendo de el lugar, las funciones y el empleador. No obstante, ahora mismo es una expertise bien pagada. A nivel general y según la encuesta anual de KdNuggets los sueldos/ingresos están en una media de 141.000 dólares para freelance, 107.000 para asalariados, 90.000 para trabajadores gubernamentales o en el sector sin ánimo de lucro; 70.000 dólares para trabajo en universidades.

No obstante, estos sueldos medios hay que tomarlas con mucha prudencia. Mientras el salario medio en Estados Unidos está entre 103.000 y 131.000 dólares, en Europa Occidental está entre 54.000 y 82.000 dólares. En España, estamos en cifras similares porque, pese a nuestro (cada vez menor) déficit de empresas de producto, tenemos grandes empresas (sobre todo bancarias) que se han volcado en este campo.

Lo que diferencia a la ciencia de datos del resto del mundo del desarrollo tal vez sea la escasez de profesionales. Este fenómeno hace que los sueldos estén relativamente inflados y que, conforme vayan apareciendo más perfiles dateros, se vayan ajustando. Por eso, se puede decir que es el momento para subirse a la ola de la ciencia de los datos. Dentro de un par de años el mercado habrá madurado y las oportunidades estarán en otro lugar.

Imágenes | Jer Thorp, Alan Levine, Opensource, Tax Credits, yaph

También te recomendamos

Si hoy la información viaja como ceros y unos es en gran parte gracias a George Boole

Esta tirita que se recarga con latidos quiere sustituir al marcapasos

La falacia Andalucía y otras formas de equivocarse con la información estadística

-
La noticia De profesión, científico de datos fue publicada originalmente en Xataka por Javier Jiménez .










Enseña a tus hijos a programar con Raspberry Pi 2016-01-29 08:15:37

Enseña a tus hijos a programar con Raspberry Pi

En una época en la que las máquinas y las computadoras están reduciendo cada vez más la mano de obra, el futuro del mercado laboral se irá concentrando más en esos trabajos que están detrás de la creación de máquinas y otros dispositivos presentes en nuestro día a día, como los smartphones y sus aplicaciones.

Conociendo este futuro panorama, es una buena idea que los niños aprendan a programar desde temprana edad para que puedan tener un buen futuro laboral, porque la programación tendrá cada día más peso en un mundo que se dirige a la automatización.

¿Cómo poder iniciar a un niño en la programación? Esta es la pregunta que vamos a resolver en esta publicación.

Adquirir una Raspberry Pi

Raspberry Pi es un miniordendor concebido para ejecutar sobre todo Linux, aunque hay otras opciones como Windows 10. Fue creado con el propósito de ayudar en la enseñanza y aprendizaje de la computación.

El último modelo Raspberry Pi cuesta unos 40 euros. Al ser una compra barata y tener los niños su propio ordenador, los padres podrán estar más tranquilos. Primero porque si se rompe la Raspberry Pi no será una gran pérdida, y segundo porque así se aleja a los niños de los ordenadores personales, que muchas veces contienen datos sensibles que no se pueden perder.

Aprender a través de Scratch

Meterles código del tirón a los niños puede ser demasiado, por eso siempre es bueno empezar por algo adaptado a sus habilidades, y eso es lo que intenta Scratch.

Scratch es un pseudolenguaje enfocado al mundo de la enseñanza, con la intención de que los niños aprendan ciertas nociones de programación. En vez de ir escribiendo código, hay que arrastrar elementos hasta construir lo que se pretende, aunque Scratch está pensado solamente para la creación de juegos sencillos y animaciones con el fin de hacer el aprendizaje más ameno.

Programar no es tener que memorizar los lenguajes, sino aprender los fundamentos básicos para luego adaptarse al lenguaje que se pretende utilizar.

Aprender Python

Una vez dominado Scratch, posiblemente sea el momento de empezar a programar de verdad, y qué mejor manera de hacerlo que a través de unos de los lenguajes más populares del momento, Python.

Python fue creado en 1991 por el científico en computación neerlandés Guido van Rossum, un histórico empleado de Google que actualmente trabaja en Dropbox.

Este lenguaje de programación es interpretado, así que el código escrito se ejecuta directamente. Por otro lado está específicamente diseñado para ser sencillo de aprender a través de un código fácil de leer, convirtiéndolo en un lenguaje ideal para empezar a programar de verdad.

Además de su facilidad de lectura, Python es muy empleado en la actualidad en entornos profesionales, así que aprenderlo puede empezar a abrir las verdaderas puertas del mercado laboral.

Jugar con Minecraft Pi

Minecraft se ha convertido en todo un fenómeno social, sobre todo entre la población más joven. Se puede considerar como una especie de Lego digital, construyendo a través de la utilización de bloques virtuales.

En febrero de 2013 se lanzó una versión dedicada para Raspberry Pi, Minecraft Pi, siendo totalmente gratuito y añadiendo la posibilidad de programar cosas para el propio juego a través de la utilización de Python.

Esta versión de Minecraft se ha vuelto popular para aprender programación, debido a que permite ver los resultados del código escrito directamente en el juego.

Para poder empezar a programar en Minecraft Pi, se puede seguir la documentación que el mismo proyecto de Raspberry Pi ha liberado para él.

La entrada Enseña a tus hijos a programar con Raspberry Pi aparece primero en MuyComputer.












Final del Reto Edison y Tipología de 7 estilos de toma de decisiones.
Startups Connect 2015 y 6 nuevos actores de la innovación en la era de la transformación digital.
No eres empleable
Programa CRECE de UnLtd Spain y Final del Reto Edison
¿Qué diferencias hay entre el factoring y el confirming? y Los 6 factores claves de diferenciación competitiva.
ha aplicado política orientada a profundizar mercado de capitales y Urgen reformas estructurales para fomentar crecimiento económico del Perú
Consulte la Fuente de este Artículo
Bitacoras.com
Reply all
Reply to author
Forward
0 new messages