Text Data Analytics

Lugar y Horario de clases

• Viernes - Lugar: Sala GC1 Edif. Albert Einstein - Sede Barcelona

  • 6 p.m. a 10 p.m.

• Sábados - Lugar: Sala GC1 Edif. Albert Einstein - Sede Barcelona

  • 8 a.m. a 12 m. y 1 p.m. a 5 p.m

Evaluación

• Talleres 60%

• Proyecto 30%

  • Presentación (Pecha-Kucha) y Demo - Formulario de Evaluación de la Exposición del Proyecto

  • Exposición - Tema relacionado al curso 10%

    • Presentación (Pecha-Kucha) - Formulario de Evaluación de la Exposición del Tema Libre

Temas de Exposición y Demostración:

• HBase - Edwin Lacharme y Daniel Muñoz

• MongoDB - Mike Brian Olivera y Jaiver Lesmes Mora

• Cassandra

• HDF5 - José Leonardo Gómez y Julián Ramos

• Hadoop - Brayan Herrera y Juan Sebastian Vanegas

• Apache Pig

• Apache Hive

• Spark

• Compute Unified Device Architecture (CUDA)

• Visualización de datos con D3 - Jesús Andes Vargas Vanegas y Omar Baquero

• Apache Mahout

• MLLib (Machine learning con Spark)

• Amazon Web Services - Juan Camilo Fonseca y Diego Alejandro Asencio

Propuestas de proyectos

• • Sistema de recomendación de peliculas y series de TV usando IMDb: http://www.imdb.com/

  • Sistema de recomendación de libros usando Amazon

  • Análisis de sentimientos a partir de redes sociales: Twitter, Facebook, etc.

  • Buscador de soluciones a problemas de código usando StackOverflow

  • Anotador automático de etiquetas en StackOverflow en Español

  • Buscador de similitud de imágenes para detección plagio de logos

  • Buscador de documentos de texto para detección de plagio (copia literal)

  • Análisis de letras de canciones y su relación con el genero y popularidad (vistas o likes)

  • Visualizador de colecciones de imágenes por similitud visual

Bibliografía

• [LINDYER2010] Lin, Dyer, Data intensive text processing with Map-Reduce, Morgan & Claypool Publishers [book manuscript]

• [IBM2012] IBM, Understanding Big Data, McGraw-Hill. [download]

• [LAM2010], Lam, Hadoop in Action, Manning [web page]

• [WHITE2012], White, Hadoop, the definitive guide, O'Reilly [web site]

• [GATES2011], Gates, Programming Pig, O'Reilly [web site]

• [ULLMAN2013], Ullman, Rajamaran, Mining of Massive Datasets, [web site]

Lecturas complementarias

• [Vance2015] Ashlee Vance. Elon Musk: El empresario que anticipa el futuro. Edit. Peninsula. 448 págs. ISBN: 9788499425191 [amazon]

• [Isaacson 2014] Walter Isaacson. Los innovadores: Los genios que inventaron el futuro. DEBATE, 2014. 608 págs. ISBN 9788499924663 [amazon][youtube][reseña]

• [Penrose 1991] Penrose, Roger, La Nueva Mente del Emperador, Mondadori, 1991, ISBN 84-397-1786-5. [pdf] [amazon]

• [Clarke 1968] Arthur C. Clarke. 2001: A Space Odyssey. 1968. Editorial Hutchinson, New American Library. ISBN: 0-453-00269-2. [amazon]

Recursos

• Robomongo (UI admin): https://robomongo.org

• Imagen Lubuntu: https://sourceforge.net/projects/virtualboximage/files/Lubuntu/12.10/lubuntu1210.7z/download

• Tutorial Git: http://blog.santiagobasulto.com.ar/programacion/2011/11/27/tutorial-de-git-en-espanol.html

  • Tutorial Latex en Overleaf: https://www.overleaf.com/latex/learn/free-online-introduction-to-latex-part-1#.VPhuFkKIeyM

  • Tutorial Markdown: http://www.markdown-tutorial.com/

  • Curso de Python en Coursera: https://es.coursera.org/learn/python

Cursos en linea

• • Mining Massive Datasets, Coursera

  • Intro to Data Science, UDACITY (parte abierta)

  • Intro to Hadoop and Map-Reduce, en UDACITY (parte abierta)

  • Making Sense of Data, en Google

  • Introduction to Data Analysis, en Coursera

  • Big Data Mini Course, en Berkeley

Software

Notas