Curso recomendado

Mostrando entradas con la etiqueta R. Mostrar todas las entradas
Mostrando entradas con la etiqueta R. Mostrar todas las entradas

jueves, 5 de enero de 2012

Data Mining - R en la nube

Hola a todos;

en los últimos meses no hago más que observar a empresas o proyectos que hacen de R su matriz inicial y que se dedican a dar servicios relacionados con él.

Un descubrimiento interesante ha sido gracias al blog datanalytics, descubrí en su entrada a Cloudnumber, una herramienta que nos hace de intermediario a EC2 de amazon y nosotros que permite utilizar la nube, con su gran capacidad de calculo, utilizando diferentes lenguajes de programación, aunque parece que R tiene un hueco importante en esta herramienta; esto queda pantente en el hecho que que han participado en un libro sobre procesamiento paralelo en R.

Otra apuesta, mucho más verde que la anterior, es Live Analytics con su herramienta Live-R. Por lo que se puede ver, aun siendo todavía una beta, parece que su objetivo es dar un entorno de trabajo a R en la nube incorporando nuevas capacidades a la herramienta base, las podéis observar aquí, las mas interesantes para mí son la capacidad de trabajar colaborativamente y que incorpora una interface visual de programación.
Me parece una muy interesante apuesta, estaremos atentos a la herramienta.

Por último que recordar que RStuido permite instalar su versión servidor para luego conectarte a la misma utilizando navegador, se que no es utilizar la nube pero puede ser muy interesante tener un servidor con esta aplicación y que desde cualquier sitio te puedas conectar a él.

La verdad  es que el ecosistema de R está cada vez más activo, y lo que es más interesante todavía, aporta funcionalidades nuevas a la herramienta.

Un saludo a todos y feliz año

martes, 8 de marzo de 2011

Data Mining - Rstudio

La verdad es que el compañero Carlos ya se nos adelantó en su blog al dar la noticia, había nacido un nuevo IDE free para R, Rstudio. Me miré el post y me apunté mentalmente darle un vistazo a fondo al programa, cosa que aún no he podido hacer...

Hasta aquí lo normal, pero revisando los post que tenía por leer me he dado cuenta que en la comunidad de R ha pegado muy muy fuerte, he podido leer posts en multitud de sitios sobre la bondades de este nuevo IDE; la verdad es que por ahora, y según lo que yo he podido ver, no aporta mucho más que, por ejemplo, JGR; cierto es que permite hacer artículos científicos de manera más fácil e integrada, pero a parte de eso yo diría que son prácticamente iguales; bueno mirando un poco más de cerca permite que se instale en un linux y poderte conectar via web al IDE... no es mala opción si lo que quieres es trabjar con un servidor potente en el cual no estás físicamente delante.

Sinceramente hasta que alguno de estos IDE's no integre la debugacción de código estaremos algo cojos de interface... no se si habéis intentado debugar algo en R... es un ejercicio que medirá el nivel de paciencia que tenemos, y si me no creéis intentad lo. Esto siempre hablado en software libre, por que Revolution Analytics ya tiene una IDE que integra debugación y, si las noticias son ciertas, esta trabajando en una interface mucho más visual, digamos que muy cercana a Clementine.

De todas maneras no quiero se escéptico, a ver si por una vez por todas conseguimos que se haga un IDE más amigable para R, que sea multiplataforma y que cubra todas las necesidades que un buen IDE debe tener... ¿será Rstudio este? el tiempo nos lo dirá.

Eso si, está claro que es mucho más bonito que la línea de comandos de R...


viernes, 24 de diciembre de 2010

Data Mining - Presentación de Machine learning en R

Hola a todos,

hoy os traigo una presentación que ha creado dentro del departamento de I+D de Telefónica donde nos presentan una pequeña introducción desde 0 de R dentro del mundo del Machine Learning.

No es algo nuevo, estoy seguro que si buscamos un poco encontraremos cosas parecidas hechas anteriormente, pero lo que si es remarcable es que es dentro de una empresas privada y en nuestro país.

Os la dejo aquí para que le déis un vistazo.



También aprobecho para desearos felices fiestas a todos.

miércoles, 1 de diciembre de 2010

Data Mining - Cosas que tienes que conocer en el 2011 segun Forbes, R.

Hola a todos;

hoy os adjunto un interesante articulo de la revista Forbes de algo que hemos estado intentado avisar a la comunidad de analístas de datos, que R será, o mejor dicho es, una técnología disruptiva la cual cambiará el equilibrio que hay entre las diferentes herramientas de análisis de datos.

Toca puntos que ya hemos comentado, como por ejemplo que Facebook utiliza R para sus análisis o
que R está sustituyendo al software propietario en las empresas y que por lo tanto se está creando una masa de técnicos que ya lo conocerán por defecto, entre otros puntos.

Un punto que no trata y que creo que es muy importante para la estandarización de la herramienta, y que hace que no sólo sea utilizada por Nerds, es la facilidad de uso. Todos sabemos que por muy pontente que sea algo si no es fácil utilizarlo se encontrará con grandes reticencias en su implantación, y es en este campo donde R está dando pasos increibles, con Red-R o sus intefaces con Knime o Rapid Miner.

Señores el futuro llama a nuestra puerta, ¿seremos capaces de seguirle el paso?

martes, 7 de septiembre de 2010

Data Mining - useR! 2010

Hola a todos, después de un tiempo de silencio retorno a estar por aquí,a ver si puedo postear con más asiduamente.

Hoy, aunque sea un poco tarde, os traigo la noticia de que ha finalizado la useR! 2010; pero lo que es más importante, han colgado gran parte de las presentaciones en la red.

En esta edición ya han creado un subapartado que trata temas de BI, en concreto nos podemos descargar las presentaciones de:
  1. Analizando datos de marketing directo con R
  2. El rol de R dentro de la arquitectura de software del BI
También he visto algún paper interesante sobre el analisis de redes sociales con R, data mining con árboles, o la presntación de Red-R, entre otros.

Os recomiendo que os paséis por la página ya que seguro que encontrais temas interesantes que seguro que se pueden aplicar a vuestro trabajo.

lunes, 10 de mayo de 2010

Data Mining - ¿R será lo mejor que le ha pasado al análisis de datos en mucho tiempo?

Hace ya un par de semanas llegó una opinión sobre que es R de una señora, intentaré no dar mí opinión, creo que todos la conocéis, y centrarme en la reacción de la web.

Para centrar un poco el tema os explicaré que a nuestra invitada de hoy, Annmaria, en el foro internacional de SAS le preguntaron sobre R, a lo cual respondió que R será un "Fracaso épico"; explica que no cree debido a su complejidad a la hora de aprenderlo y de documentarlo, argumenta que las personas están acostumbradas a hacer click's sobre botones y que R falla en la representación gráfica así como en el tratamiento masivo de datos, sobre todo no estructurados.

Hasta aquí una opinión, pero hay que tener en cuenta que esta persona tiene muchos años de experiencia estadística, ha dejado el mundo empresarial para dar clases de post grado... y si miramos su blog nos cuelga un supuesto código de R, no voy a comentarlo aquí, me quito el sombrero ante el post Carlos J. Gil Bellosta que por lo que he visto tuvo respuesta de la susodicha, que ya se lo comenta nuestro compañero, que esto de copiar y pegar de Internet código es muy peligroso.

Simplemente decir que R es un leguanje de Turing Completo y por lo tanto la capacidad analítica sólo está limitada por la imaginación del analista. Si que es cierto que es complicado de aprender pero una vez hecho puedes hacer cualquier cosa. Esto no lo cumplen ni Spss ni SAS, tienen lenguajes más orientados al script y no diseñados para  la creación de nuevos análisis.

Lo único en que estoy algo de acuerdo es en la incapacidad de R para tratar datos masivos, pero por mi experiencia nada que no se pueda solventar con muestras y que se soluciona bastante con las nuevas máquinas de 64 bits.

Sinceramente no es sorprendente que surjan opiniones como esta, lo interesante es la reacción de la comunidad, creo que a partir de este momento nos hemos dado cuenta de lo cohesionados que estamos, podéis observar respuestas en:


lunes, 3 de mayo de 2010

Data Mining - Entornos visuales de programacion para R.

Llevamos algún tiempo donde se ha intentado llevar la programación a un publico más amplio, ya sea haciendo más sencillos los lenguajes de programación, con entornos más visuales e incluso haciendolos más visuales.

Ya hablamos en su día sobre el punto de inflexión que se dió cuando Clementine lanzó una interface visual con capacidad de hacer análisis estadísticos y de minería de datos, poco a poco muchas herramientas han seguido este camino, y ahora nos encontramos que R, con todo lo geek que es todabía, está tomando también este camino, no desde el core de la aplicación pero si que encontramos aplicaciones para dar una apariencia más amigable.
Por un lado tenemos los entornos de programación mejorados, es decir, tenemos que seguir picando código si o si pero nos dan más información que la consola simple de R, que la verdad es muy sosa.
JGR es una aplicación hecha en Java y GPL, por lo tanto se puede utilizar tanto en linux, windows o MAC; no está mal, lo he utilizado más de una vez y la verdad es que se agradece tener sintaxis con colores y sangrados, para que os hagais una idea de que pinta tiene os dejo aquí un pantallazo.



Rkward es una aplicación GPL y nativa de linux, por ahora ya que hay planes para portarla a windows, donde encontraremos un entorno de programación integrado y completo, mi acercamiento a esta herramienta es muy limitada, pero la verdad es que pinta interesante.


Ya hace un tiempo os hablamos de Revolution Computing, esta empresa tiene un entorno muy parecido a los anteriores pero con una mejora importante, su herramienta nos permite hacer debugación paso a paso, cosa que ni en R ni en estas aplicaciones tiene una solución que sea sencilla.

Ya con otro tipo de finalidad, acercarnos más al concepto herramientas como SPSS, StarGraphics o Minitab por poner algún ejemplo, tenemos R Comander. A mi personalmente no me gusta, ya que prefiero utilizar R como un lenguaje de programación, pero tengo que reconocer que si sólo quieres hacer lagún gráfico o calcular un estadistico puntualmente tiene su utilidad.



Una vez vistas las mejoras del IDE de R ahora nos centraremos en los nuevos conceptos basados sobre todo en la programación visual. Ya tuvimos un avance lo que podía ser este tipo de interface con la API de R que existe Knime, pero como era de suponer ya se han hecho acercamientos desde otras herramietas totalmente centradas en R.

Por un lado tenemos RAnalyticFlow, no es una herramienta nueva, y contra mi opinión, ha continuado actualizandose. Ya en la UseR Conference de 2008 se nos presentó esta herramienta y la verdad es que me pareció muy interesante su intención de acercar la programación visual a R. Para que os hagais una idea aquí os dejo un pantallazo.



Y por último, pero no menos imporatante, la última aportación de la comunidad Red-R, tiene una interface vasada en orange (una herramienta de mienría GPL que cuando tenga algo de tiempo espero hablaros de ella), por lo que he visto es algo más encorsetada que el IDE anterior pero bueno poco apoco. Aquí teneis un pantallazo.

El tiempo dirá pero yo creo que este tipo de soluciones no apartará a la interface de R por defecto, a no ser que esa el mismo proyecto que acoja una como propia, la verdad es que no importa mucho, todos los IDE's tienen pros y contras, lo importante es que se está intentando acercar R a otro tipo de usuarios y poco a poco esta herramienta va cubriendo más necesidades.

jueves, 31 de diciembre de 2009

Data Mining - Análisis de Redes Sociales con R y Statnet

Hola a todos otra vez, hoy os presento un curso que han colgado sobre R y análisis de redes sociales, en concreto utilizan el paquete Statnet.

Este pequeño curso consta de 5 vídeos que os dejo al final de la entrada.

La verdad es que llevamos unos meses viendo un crecimiento en este tipo de técnicas, esto es debido a que cada vez tenemos que estudiar información con estruturas más complejas. No hace mucho hablamos sobre minería de sentimientos, un campo muy nuevo donde también se está trabajando duramente; una de las aplicaciónes de la minería de sentimientos es el estudio de las opiniones en la blogosfera, si nos servimos de estas técnicas conjuntamente no sólo podremos saber que piensan de nosotros, sino que también, mediante estudio de redes, como se difunden las opiniones, o, por poner otro ejemplo, podremos localizar que blogs son más influyentes a la hora de difundir una opinión.

Un saludo y feliz entrada en el nuevo año.



miércoles, 11 de noviembre de 2009

Data Mining - Estudio BI Open y R

Me hago eco de la noticia que ha publicado un gran blog de BI, TodoBi.

En la entrada comentan un estudio de BI Open Source realizado por Mark Madesn. En la página de TodoBi tenéis el pdf completo el cual podéis descargar, no tiene desperdicio; pero yo sólo quería hacer mención al siguiente gráfico:


Se puede observar que la parte donde más crecimiento hay en Open Source es en la división de analítico; esto puede ser por inercia, me encontrado con más de un consultor de riesgo que se le ponen los pelos de punta cuando dices de hacer un score sin SAS, falta de técnicos cualificados, miedo al cambio entre otros; pero la conclusión que tengo en mente al ver el gráfico es que no es nada descabellado que en medio plazo más del 30% de las empresas tengan sus departamentos de analítico funcionando en software libre, que es lo que hay actualmente en sistemas de BBDD Open.

Pero lo más interesante ha sido que hace unos días leí en el blog de REvolution una entrada sobre la opinión de R de Steve Miller, nos comenta que a SAS le están creciendo los enanos, la existencia de REvolution, productos que copian la sintaxis de SAS (WPS, Carolina), pero lo que cree que le va ha hacer más daño a medio plazo es que ahora en las universidades ya se enseña R y no SAS; no puedo estar más deacuerdo en el punto donde nos explica que de aquí a unos 5 años R será la herramienta preferida para los nuevos estadísticos en el mundo empresarial.

LLevamos tiempo con vientos de cambio en todo lo relacionado con el software, y parece que ahora ya le toca al mundo analítico, y lo más interesante es que ahora es cuando ya no se discute en las organizaciones si es necesario hacer análisis, sino como se hacen y que nos cuesta hacerlos; en una situación como la actual, con una crisis acuciante, el open source no es visto como un un medio de apredizaje relegado a las universidades, sino como una opción más que valida para las organizaciones.

viernes, 16 de octubre de 2009

Data Mining - Primera conferencia hispana de R



Después de mucho tiempo predicando sobre las capacidades para análisis del software libre voy viendo que no ha sido en vano, incluso mi compañero de penurias blogueras, Jesús, ha sucumbido a las capacidades de R, ver para creer.

Hoy os traigo la gran noticia de que está a punto de celebrarse la "I Conferencia Hispana R-Project", un hito que desembocará en la creación de un grupo de usuarios de R en castellano, a demás de la potenciación de la traducción del programa así como la creación de grupos de trabajo hispano hablantes.

Este envento se desarroyará en la Universidad de Murcia, facultad de informatica, entre los días 26 y 27 de noviembre, os dejo el enlace aquí.

Se que casi nadie que no sea del mundo académico se desplazará para asistir pero trasteando por su web he podido ver que también transmitiran por streaming la conferencia, a ver si hay suerte y la podemos ver desde nuestra casita, o mejor, cuelgan los vídeos para descarga.

También he encontrado en su página 2 vídeos con una introducción sobre R, vídeo 1 y vídeo 2.

martes, 13 de octubre de 2009

Geomarketing y Data Minning

Un tema muy interesante, y que nos une a los profesionales del GIS y del Data Minning, es la posibilidad de integrar plataformas de ambas tecnologías.

Francisco Ortega nos ha ido presentando diferentes alternativas, como K-Mine o R, ambas de software libre, con una potencialidad muy elevada, lo que ha hecho que diferentes empresas se empiecen a plantear la posibilidad de usar estas herramientas en detrimento de las comerciales como Clementine.

Pues hoy leyendo el foro de Gabriel Ortiz, del cual soy asiduo lector, me he encontrado con un nuevo grupo, GIS&Chips, con un interés común: el desarrollo de y con software libre en el ámbito de las tecnologías de la información geográfica.

He estado leyendo su web, y tienen posts muy buenos relacionados con:
  • Análisis de Redes: Uno de los inconvenientes más importantes que se tienen a la hora de afrontar el análisis de redes no es la tecnología, si no más bien, las propias redes. Estamos habituados a trabajar con NavTeq o TeleAtlas, pero ellos han conseguido trabajar con OpenStreetMap. Muy, pero que muy interesante, más que nada porque OSM sigue creciendo de manera exponencial.
  • Integración de R con PostGres: Su propio nombre lo indica, y no hay que olvidar que PostGres tiene una extensión PostGIS, por lo que podemos enlazar muy comodamente los modelos de R con nuestras aplicaciones de Geomarketing.
Mi más sincera enhorabuena a la gente de GIS&Chips

lunes, 17 de agosto de 2009

Data Mining - Análisis de Redes Sociales, Neo-metrics y la KDDCup 2007

Hola otra vez a todos, después de unas merecidas vacaciones seguimos en la brecha.

He descubierto una vídeo lectura sobre el análisis de Redes Sociales, esta disciplina trata de estudiar y modelizar las interacciones entre individuos apoyandose en la estadística y últimamente en la minería de datos, más concretamente en la minería de grafos. Está teniendo un gran crecimiento en los últimos años, sobre todo en lo relacionado con internet y la web. Busca estudiar el comportamiento de grupos formados por individuos, ya sea de manera descriptiva, buscando grupos entre relaciones de individuos, o de manera predictiva, intentando predecir el comportamiento de los grupos o como influirá este si se modifica su estructura, por poner un par ejemplos.

No es una disciplina nueva, lleva mucho tiempo en el candelero, pero no ha sido hasta tener suficiente capacidad de computo y técnicas diseñadas para el tratamiento se grandes volúmenes de información que no ha acabado de cuajar, esto se refleja en que casi no hay soluciones privativas para hacer este tipo de análisis.

Por si os interesa profundizar en el tema os dejo aquí enlaces a simposios para este año:

Pero sobre todo os dejo una interesante presentación, con sus diapositivas, donde se puede ver las capacidades de R para hacer análisis de Redes Sociales


Lo cierto es que una empresa Española ganó la KDDCup en 2007 utilizando este tipo de técnicas para resolver problemas de minería de datos, su nombre es Neo-metrics, no sólo la ganó sino que fue la primera empresa europea en hacerlo; la verdad es que todo un hito que una empresa española gane un galardon internacional tan prestigioso dentro del campo del análisis de datos, a ver si más empresas españolas se animan a hacer I+D+i en este campo, ya que cuando nos ponemos en serio no hay que nos haga sombra.

Os adjunto aquí una presentación donde podemos ver al fundador al CEO de Neo-metrics ,José Luís Flores, hablando sobre el galardon y sobre Neo-metrics en general.



lunes, 27 de julio de 2009

Data Mining - Video Lectura de R y Weka

Tengo que reconocer que que soy un enamorado del software libre, me encanta la idea que se hagan cosas para todos, donde todos podamos trabajar y aportar, la verdad es un concepto que considero que estará muy presente en nuestro futuro.

Dentro de mi campo, la minería de datos, hay dos grandes herramientas GPL. R ya os hablé de ella, para mí es la que más futuro tiene por su versatilidad, es un leguaje de programación por lo tanto se puede hacer de todo, desde crear un directorio en el pc que estés trabajando, hasta diseñar un paquete que te sirva para expotar los informes finales a pdf, sin mencionar la gran de opciones analíticas y gráficas que contiene.

La otra grande es Weka, es una aplicación echa en JAVA que contiene todo lo necesario para hacer análisis de minería de datos, desde conexión a bases de datos por ODBC, algoritmos de selección de variables, todo tipo de modelos para ajustar a nuestros datos, diferentes manera de definir la evaluación de los modelos y mil cosas más.

Podeis encontra más información en un libro que hicieron los autores de Weka que está bastante bien, os dejo aquí el enlace.

Para que os hagáis una idea de como son los dos paquetes os dejo aquí una presentación que hizo Luís Benache, un profesor de la Universidad de Valencia sobre esto paquetes comentando su capacidad de hacer análisis. Espero que la encontréis interesante.


viernes, 17 de julio de 2009

Data Mining - Noticia Software Libre en Forbes

Hoy he podido leer en Forbes un artículo muy interesante sobre nuevas apuestas sobre software libre, que con la crisis cada vez son más tenidas en cuenta, nos destacan las siguientes:
  • R, no hace falta que lo presente.
  • Eucalyptus, un entorno para hacer cloud computing, comparte las API's de Amazon Web services, cosa que hace que se esté estandarizando este tipo de servicios.
  • Drizzle y MariaDB, dos bases de datos, una para entorno cloud y la otra una hija de Mysql, que no esta de mas sabiendo que esta ha sido comprada por Oracle.
Cuanto más tiempo pasa más convencido estoy que está llegando la hora al software libre y habrá un movimiento importante hacia modelos de negocio que se basen en este tipo de soluciones.

¿Vosotros que opinais?

domingo, 5 de julio de 2009

Data Mining - R


Durante mis años de universidad tuve la suerte de ver crecer una herramienta GPL que en principio me parecía fea y difícil de usar, y con el tiempo me ha convencido que no hace falta un interfaz bonito y pagar grandes cantidades de dinero para hacer buenos análisis; esta herramienta se llama R.

Con el tiempo este proyecto me ha ido convenciendo que es una de las mejores herramientas que existen en la actualidad. Fue creada a principios de los 90 cómo una replica gratuita de S+, unos de los mejores entornos de análisis de datos que ha habido nunca, el cual ha venido a menos por culpa de su hermano libre. Hay que reconocer que los principios no fueron nada fáciles, muchísimos bugs, grandes problemas de compatibilidad, rendimiento computacional muy limitado... pero sus creadores no se rindieron, y durante estos 20 años de desarroyo se ha conseguido hacer una herramienta de una potencialidad increible, ¿por qué digo esto? pues es muy sencillo, R es un lenguaje de programación con grandes capacidades para representar información de forma gráfica amén de tener infinidad de funciones y algoritmos orientados al análisis de datos y, lo que es más importante, unas API's bien definidas que permiten que cualquier usuario con conocimientos de C pueda crear sus propios paquetes.

Esta capacidad de expandirse de manera sencilla y abierta por todo el publico ha sido uno de los grandes aciertos de los desarrolladores, ha permitido que el número de paquetes de R haya crecido exponencialmente hasta más de 1700 que existen actualmente, ¿y que podemos encontrar en estos paquetes? de todo, creo que hay muy pocos campos del analisis de datos que no estén tratados por un paquete de R, desde la conexión a base de datos, cual tipo de análisis imaginable, generación de informes automáticos, todo tipo de gráficos, ... incluso se han creado diferentes agregaciones de paquetes que tratan diferentes campos en concreto, os dejó aquí la página donde podéis ver todos los grupos, eso sí, os comento los que considero más importantes para hacer minería de datos; estos son Machine Learning, análisis multivariante, optimización, computación de alto rendimiento y paralela, análisis de grupos, gráficos y como no análisis de datos espaciales. Que quede constancia que le lanzo un guante a mi compañero Jesús para que realice algún test sobre las capacidades espaciales del programa y nos lo cuente comparando capacidades con otras herramientas, hay queda.

Teniendo en cuenta como está la situación actual, donde la competencia es aférrima, tener una capacidad de hacer análisis de manera rápida y fiable es imprescindible y que todas las entidades tienen reducción de costes considero una opción más que valida R, recordemos que hace relativamente poco hablamos sobre que se ha ganado la KDD Cup trabajando sobre R, es decir que potencialidad para el modelización no le falta; imaginaros el departamento de expertos que se podría formar sólo con el coste de la implantación de alguna de las herramientas de minería privativas.

Imaginad como está situando la industria a R como competencia que han empezado ha enlazarlo con sus propios lenguajes, aquí podemos observar como SPSS permite desde su herramienta llamar a R para hacer análisis, por otro lado en esta notícia nos comenta que SAS también incorporará esta capacidad, algo se tiene que estar moviendo para que los grandes permitan utilizar este software libre desde susherramientas; aquí podríamos aplicar eso de "Si no puedes con el enemigo únete a él".

Y la verdad es que no me extraña este movimiento generalizado de toda la industria, cada vez veo más noticias que grandes empresas han utilizado R para sus trabajos analíticos, os dejo aquí un video donde se nos explica como Facebook y Google, entre otras, utilizan R para sus análisis.

Otra noticia que me sorprendió es que se les hizo una entrevista a los creadores del programa en el New York Times, esto puede parecer que no es importante, pero que en un medio que no es expecializado ni académico se haga eco de una herramienta GPL y nos hable bien de ella es muy importante, aunque sólo sea para dar algo de publicidad.

Sinceramente
, desde mi punto de vista, se abre una oportunidad impresionante aquí en España, creo que la primera empresa que apueste por esta herramienta, que haga alianzas con los creadores y otras empresas extrangeras, que de un servicio de hot line, de consultoría de negocio y de sistemas, que de formación en el tema, vamos básicamente que escoja un modelo de negocio basado en software GPL se va a posicionar dentro del BI analítico de una manera muy firme, y una vez situada va a ser muy difícil sacarle.

Bueno pues esta ha sido mi presentación de R, ya iremos hablado y expandiendo conocimientos sobre esta herramienta y de otra muchas también.

martes, 16 de junio de 2009

Data Mining - R gana la KDD Cup

La KDD Cup es la competición abierta de minería de datos más famosa y reconocida de todo el mundo; hace una convocatoria anual desde el 1997, y cada año plantea un problema a resolver diferente, algunos de los tratados son motores de recomendación, reconocimiento de cáncer en imágenes, minería de redes…

El reto de este año se centra en los clásicos problemas de CRM de cualquier empresa, modelizar la fuga, el up-selling y el cross-selling, ya sea con un modelo o una agrupación de ellos, donde los datos han sido cedidos por una empresa de telefonía.

Hay 2 dataset’s para trabajar, uno “pequeño” de 230 variables y uno grande de 15000 variables, contienen 50000 registros cada uno.

Este año hay 2 desafíos, uno rápido que en 5 días tienes que dar modelos para el dataset de 15000 variables y uno lento en el cual te puedes presentar tratando el dataset pequeño o el grande y en el que tienes un mes de tiempo. Se puede utilizar cualquier tipo de software ya sea libre o privativo, genérico o desarrollado en concreto para el desafío…

Hasta aquí lo normal de cada año, pero este ha sido diferente, han ganado el desafío lento tratando el dataset grande utilizando R, un programa de software libre de análisis estadístico del que estoy enamorado desde mis tiempos de universidad y del cual ya os iré hablando.

Para mí es una gran noticia, ya que viene a demostrar algo de lo cual ya estaba convencido desde hace tiempo, que con R y buenos técnicos puedes realizar cualquier análisis con un resultado igual que con SAS Enterprise Miner, SPSS Clementine o cualquier otro software privativo, y en según que casos incluso mejores.

Os dejo aquí el enlace del grupo que ha ganado el desafío.

La lastima de esta competición es que los códigos de los modelos presentados no son publicados, sería muy interesante ver como han conseguido este hito.

¿Álguien se anima a presentarse con nosotros el año que viene?