Noticias

En qué consiste

El área de Data Science se dedica interdisciplinariamente a la comprensión y análisis de fenómenos o problemas mediante el uso de datos. El desarrollo tecnológico actual de sensores, dispositivos y sistemas de información han permitido la generación de cantidades masivas de datos. Esta gigantesca explosión de información requiere de un cambio de paradigma en la forma que usamos para almacenar y analizar los datos, como también en el rol de los expertos para enfrentar los problemas. Independiente del área de donde proviene la información, el problema principal es descubrir nuevo conocimiento que no puede ser visto por una inspección directa de la información.

Áreas de investigación y/o aplicación

Hoy en día, hacer ciencia con los datos es considerado un pilar fundamental y complementario a otras áreas de investigación puramente empíricas, teóricas y computacionales. Por ejemplo, podemos realizar ciencia con datos que provienen de un survey astronómico para clasificar tipos de estrella; o analizar y hallar patrones en el comportamiento de compra o hábitos de los clientes que navegan en una plataforma de compra on-line; o basados en las mediciones realizadas por grupos de sensores inteligentes contribuir a la gestión de ciudades inteligentes para el manejo eficiente de sistemas de transporte, energía y contaminación; o bien ayudar en la gestión de empresas para reducción de costos y búsqueda de nuevas oportunidades de negocio.

Beneficios en docencia

Data Science es un campo de investigación interdisciplinaria que requiere de tres componentes fundamentales: dominio en el área de conocimiento, dominio en análisis matemático y estadístico, y dominio en el desarrollo de algoritmos computacionales. Estos requerimientos motivan a los docentes en esta área a intercambiar constantemente conocimiento y experiencia de problemas generados en distintas disciplinas, acercándolos constantemente a las necesidades existentes en la industria y la sociedad.

Aportes en la industria

La aplicación de Data Science permite la creación de productos de datos a partir de datos que las empresas ya tienen. La pregunta que debería responder entonces cada emprendedor, empresa sin fines de lucro, o cada proyecto, es cómo usar eficientemente sus propios datos y los externos de tal modo de generar valor con ellos. Es aquí donde Data Science permite encontrar el valor oculto en los datos, donde este valor no solo es la retribución a nivel comercial, sino también a nivel social, de gobierno, de educación o de salud. Las empresas o instituciones mejor valoradas hoy en día son aquellas que se han dado cuenta del valor de sus datos y de cómo utilizarlos para el beneficio propio y de la sociedad.

Los profesores en el área de Data Science:

• Marcelo Arenas – Departamento de Ciencia de la Computación, Escuela Ingeniería UC.

• Cristóbal Guzmán – Instituto de Ingeniería Matemática y Computacional UC

• Carlos Sing-Long – Instituto de Ingeniería Matemática y Computacional UC.

• Juan Reutter – Departamento de Ciencia de la Computación, Escuela Ingeniería UC.

Es área del conocimiento que estudia formar de caracterización cuantitativa y de reducción de las incertidumbres asociadas al análisis, diseño y control de sistemas complejos. En esta área se desarrollan modelos predictivos para establecer una relación entre los datos observados, el conocimiento del fenómeno que origina los datos y la toma de decisiones.

 La formas de incertidumbre se pueden clasificar en:

• Incertidumbre aleatoria: es representativa de incógnitas que difieren cada vez que ejecutamos el mismo experimento. Por ejemplo, una sola flecha disparada con un arco mecánico que duplica exactamente cada lanzamiento (la misma aceleración, altitud, dirección y velocidad final) no llegará al mismo objetivo debido a vibraciones aleatorias y complicadas del eje de flecha, cuyo conocimiento no se puede determinar suficientemente para eliminar la dispersión resultante de puntos de impacto. El argumento aquí es, obviamente, en la definición de "no puede". El hecho de que no podamos medir suficientemente con nuestros dispositivos de medición actualmente disponibles no excluye necesariamente la existencia de tal información, lo que movería esta incertidumbre a la siguiente categoría.

• Incertidumbre epistémica: se debe a cosas que uno podría saber en principio, pero no en la práctica. Esto puede deberse a que no han medido una cantidad con suficiente precisión, o porque su modelo descuida ciertos efectos, o porque determinados datos se ocultan deliberadamente.

Hay dos tipos principales de problemas asociados la cuantificación de la incertidumbre. Uno es la propagación hacia delante de la incertidumbre, donde las diversas fuentes de incertidumbre se propagan a través del modelo para predecir la incertidumbre general en la respuesta del sistema. La otra es la evaluación inversa de la incertidumbre del modelo y la incertidumbre de parámetros, donde los parámetros del modelo se calibran simultáneamente usando datos de prueba.

Esta área del conocimiento es inherentemente interdisciplinaria, y requiere de la interacción de especialistas en estadística, probabilidad, análisis numérico y computación de alto desempeño.

Los profesores en el área de Cuantificación de Incertidumbre son:

• Luis Gutierrez - Departamento de Estadística, Facultad de Matemáticas.

• Alejandro Jara - Departamento de Estadística, Facultad de Matemáticas.

• Giovanni Motta - Departamento de Estadística, Facultad de Matemáticas.

• Fernando Quintana - Departamento de Estadística, Facultad de Matemáticas.

• Carlos Sing-Long - Ingeniería Matemática y Computacional; Instituto de Ingeniería Biológica y Médica.