Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contenido
1. Introducción a la Analítica de Datos en IoT
2. Funciones Analíticas
3. La Inteligencia Artificial y la Analítica de Datos
4. Arquitecturas para Analítica de Datos
5. Herramientas para AD en IoT
6. Lectura de Artículos
7. Quizizz
1
Introducción a la Analítica de Datos
en IoT
1. ¿Qué información se
encuentra en los datos?
Lo importante no 2. ¿Qué no está en los
datos?
son los datos
3. ¿Qué patrones tienen
mismos, sino: los datos?
2
La analítica de datos en IoT
Símil Analítica de datos – Elaboración de platos en un restaurante
Analítica de
datos en IoT
3
Funciones analíticas
Funciones Analíticas
1. Preprocesamiento: TAREA: Siguiente
Filtra eventos de poco interés
clase cada equipo
dice que funciones
Extrae características analíticas piensan
Transforma datos a una forma más adecuada implementar en la
Adiciona atributos a los datos como etiquetas. solucíón
4
Funciones Analíticas
3. Segmentación: Una ventana de segmentación se crea y se establecen
reglas sobre esa ventana.
Estas ventanas se pueden basar en el tiempo, longitud, pueden ser deslizantes o
por lotes. El uso de ventana facilita el uso de reglas y conteo de eventos.
Funciones Analíticas
5. Eventos temporales y patrones:
Analiza una cadena o serie de eventos que constituyan un patrón de interés
para detectar y ejecutar acciones
Es análogo a verlo como una máquina de estado donde un patrón de eventos
generan una salida.
6. Seguimiento:
Analiza cuándo o dónde algo existe
si un evento ocurre o
cuándo algo no existe y dónde debería existir.
De forma que se tenga claridad de su funcionamiento. Ej: Logística.
7. Tendencias:
Encontrar una regla para detectar un evento basado en series de datos
correlacionados en el tiempo
Es una función útil para predecir ( p.ej. mantenimiento )
5
Funciones Analíticas
8. Analítica profunda:
se identifican eventos (en tiempo real),
pueden requerir alarmas o pueden tener otras implicaciones que requieran un
análisis adicional.
Ejemplo: Sistemas de videovigilancia.
9. Modelado y entrenamiento:
Algunas de las funciones vistas previamente, pueden ser generadores de inferencia
para un sistema de aprendizaje automático.
Las cuales son herramientas que se basan en modelos obtenidos de entrenamiento
que son utilizados para análisis en tiempo real.
La Inteligencia Artificial y la
Analítica de Datos
6
La IA y la AD en IoT
7
https://www.youtube.com/watch?v=sHVwwriaT6k
La IA y la AD en IoT
https://www.youtube.com/watch?v=mWGzicjqAc0
8
La IA y la AD en IoT
https://www.netflix.com/title/81328723
https://www.dw.com/es/coded-bias-inteligencia-artificial-racista/av-57079221
La IA y la AD en IoT
Clasificación
de los
algoritmos de
inteligencia
artificial
9
La IA y la AD en IoT: Machine learning models
El objetivo: llegar a una predicción o inferencia de lo que te dice
un conjunto de datos.
10
La IA y la AD en IoT
Clasificación
Binomial: si elige entre una
de dos categorías (café, té)
Multi-clase: si hay más de
dos opciones
La IA y la AD en IoT:
Regresión
Se utilizan para predecir un valor continuo.
Por ejemplo, predecir el precio de venta promedio de su casa en
función de los precios de venta de todas las casas en su vecindario y
vecindarios circundantes.
11
La IA y la AD en IoT: Machine learning models
12
La IA y la AD en IoT: Árboles de decisión
150 observaciones de flores de la planta iris
Existen tres tipos de clases de flores iris: virginica, setosa y
versicolor.
Hay 50 observaciones de cada una.
El largo y el ancho del pétalo en cm como variables numérica
13
La IA y la AD en IoT: Random forests
Construcción de los RF
A cada árbol se le asigna:
1. una parte aleatoria de los datos (tree bagging)
2. una parte aleatoria de los features (feature sampling)
14
La IA y la AD en IoT: Uso según la aplicación
15
Taller
Taller Analítica
Leer el artículo y responder las siguientes preguntas
1. ¿Cuál es la fuente de los datos?
2. ¿Qué algoritmo/método usaron para la analítica de datos?
3. ¿Qué plataforma usaron para la analítica?
4. ¿Qué información proveen después de la analítica? O ¿Para qué
sirve la analítica desarrollada?
16
Arquitecturas para Analítica de
Datos
2. Stream Processing
nodos u operadores (procesan datos y entregan eventos)
4. Lambda Architecture
17
Arquitecturas para AD: 1. Rule Engine
https://kafka.apache.org/documentation/
18
Arquitecturas para AD: 3. Complex event processing (CEP)
“Aggregating, processing, and analyzing massive streams of data in
order to gain real-time insights from events as they occur”
Eventos
Event
cloud
Relaciones
causales
Patrones
• Lighting
• Alarms
• Sensores de temp Predice el comportamiento de
• Clima en tiempo real los ocupantes
• Fecha y hora
Optimiza el uso de
las luces y el AA
Smart building
Pontificia Universidad Javeriana Eduardo Castellanos, PhD. Ing. electrónica
IoT: Fundamentos y Aplicaciones wecastelllanos@javeriana.edu.co
19
Arquitecturas para AD: 4. Lambda architecture
Topología Híbrida:
Procesamiento batch
Y stream processing
20
Herramientas para AD en IoT
21
Herramientas para AD en IoT
https://realpython.com/pyspark-intro/
Pontificia Universidad Javeriana Eduardo Castellanos, PhD. Ing. electrónica
IoT: Fundamentos y Aplicaciones wecastelllanos@javeriana.edu.co
22
Herramientas para AD en IoT
Casos de uso
23
Ejemplos Analítica de datos
Ejemplos:
https://us-
b.demo.qlik.com/QvAJAXZfc/opendoc.htm?document=qvdocs%2FRetail%20Store%20Performance.qvw
&host=demo11
https://sense-demo.qlik.com/sso/sense/app/0d7358d2-28de-4fa8-9297-
82e2301ca846/sheet/QjWmAPS/state/analysis
https://pentaho-
dashboards.hitachivantara.com/pentaho/plugin/chicagoCrime/api/main?userid=pentaho&password=
demo
Casos de uso
https://iotfutura.com/2019/02/iot-y-bigdata/
https://www.softwareadvice.com/resources/iot-data-analytics-use-cases/
Ejemplo de analítica
Developing an IoT Analytics System with MATLAB, Machine
Learning, and ThingSpeak
https://la.mathworks.com/company/newsletters/articles/develo
ping-an-iot-analytics-system-with-matlab-machine-learning-and-
thingspeak.html
24
Bibliografía
1) Perry Lea. Internet of Things for Architects.
25