- Se auguró el crecimiento de cloud computing independientemente de si los servicios adquiridos son a bajo o alto nivel de abstracción.
- Esta especificidad radica en el hecho que mediante procesos de extracción de características morfológicas sobre el objeto de estudio (Márquez, 2019), se validan con respecto a patrones propios de otras enfermedades, estableciéndose factores de similitud, bien en cuanto a la geometría del tejido, lesiones en el mismo y variaciones de intensidad, entre otros.
- Existen tecnologías disruptivas como la inteligencia artificial y la computación inteligente, manifiestas a través del aprendizaje máquina (Machine Learning) y el aprendizaje profundo (Deep Learning).
- Se han «modificado nuestros hábitos y costumbres de ocio y laborales o profesionales, como consumidores, en nuestras relaciones como ciudadanos con las diferentes administraciones y en las relaciones con otras personas» (Garriga, 2016, p. 20).
- La variedad es otra característica de los datos ma sivos, lo cual hace referencia a las diferentes fuentes y tipos de datos que lo conforman.
En Europa, la situación es diametralmente diferente, pues desde el 25 de mayo de 2018 está en vigor el Reglamento General de Datos Personales ENT#091;…ENT#093; que establece medidas en favor de los usuarios, como son los derechos al consentimiento expreso, a retractarse, al olvido, a la rectificación, a conocer qué datos tienen las empresas y cómo los usan, entre otros ENT#091;…ENT#093; (Calcaneo, 2019, p. 40). Gran parte de nuestra atención se centra hoy en los problemas relativos a la libertad de expresión en Internet y en la incitación al odio y la violencia. El acoso en línea y las campañas de troleo e intimidación han contaminado algunas secciones de Internet y plantean amenazas muy reales fuera del mundo virtual, con efectos desproporcionados sobre las mujeres. En el caso más trágico, los mensajes contra la comunidad rohingya de Myanmar precedieron a las violaciones y masacres de 2017.
Big data, medios digitales y sociedad: retos para la investigación en comunicación
Los macrodatos se han definido por distintos expertos como «ENT#091;…ENT#093; los conjuntos de datos cuyo tamaño está más allá de las capacidades de las herramientas típicas de software de bases de datos para capturar, almacenar, gestionar y analizar» (Johanes, 2013, p. 2). No es excepcional el hallazgo de informaciones sin estructura y de una ingente cantidad de datos almacenados arbitrariamente, hecho que niega la comunicación y comprensión que se plantea desde la web semántica, aunque no es menos cierto que la aplicación de big data está cada día más desarrollada y organizada en los medios de comunicación, con importantes ejemplos de aplicación que han trascendido no sólo al propio trabajo periodístico. En efecto, con este fenómeno se puede desplegar datos contextualizados en informaciones cada vez más completas y documentadas, al mismo tiempo que se satisface la necesidad informativa de unas audiencias cada vez más exigentes y a las que se responden de modo personalizado, constantemente actualizado y automatizado.
- Otra aplicación de los RES ha sido en la investi gación fármaco-epidemiológica, donde se ha podido estudiar el uso de medicamentos, la eficacia y la segu ridad, particularmente para población pediátrica.
- De hecho, a veces resulta una tarea ardua la distinción y clasificación entre los procedimientos, técnicas e instrumentos del dominio periodístico, informático y documental.
- Otro ejemplo de la relevancia de los análisis de big data y el aprendizaje de las máquinas es la robot Tay de la empresa Microsoft, que fue programado para tener conversaciones vía mensajes de texto y aprender conforme interactuaba con los usuarios.
- Los cómputos se hacen en términos de una función de mapeo y otra de reducción y el cálculo se hace de forma paralelizada.
- Como se puede apreciar, son variados los campos de dominio y problemáticas que pueden ser abordadas mediante la adopción de MapReduce para la simplificación de complejos.
En esta era digital, los términos Big Data y Data Science se han vuelto omnipresentes, pero a menudo se utilizan indistintamente, lo que puede llevar a confusión. Si bien ambas disciplinas están intrínsecamente relacionadas y comparten similitudes, representan aspectos diferentes de la gestión y el análisis de datos en el mundo moderno. En pocas palabras, señala Walter Sosa “big data le permite a la estadística liberarse de su mero rol de estimar https://www.adiario.mx/tecnologia/el-bootcamp-de-tripleten-unico-por-su-metodo-de-ensenanza-y-plan-de-carrera/ los modelos que otra disciplina le propone, y pasa a asumir la tarea de construirlos, evaluarlos y rediseñarlos, a través de la conjunción de algoritmos y datos masivos” (p. 40). A diferencia de la estadística tradicional donde “la idea era estimar el modelo (…) propuesto por una teoría o tal vez por la experiencia previa” (el modelo es externo), el machine learning “permite construir, estimar y reevaluar el modelo a medida que se lo usa.
