Serial concatenation of a block code and a 2D convolutional code (2019). Multidimensional Systems and Signal Processing, 30, 1113–1127.

María Victoria Herranz (University Miguel Hernández of Elche), Diego Napp (Universidade de Aveiro) and Carmen Perea (University Miguel Hernández of Elche).

Abstract. In this paper we study two different concatenation schemes of twodimensional (2D) convolutional codes. We consider Fornasini–Marchesini state space representation of 2D linear systems to describe our concatenated codes. Also we present upper and lower bounds on the distance of the proposed concatenated codes.

Keywords. 2D convolutional code; Concatenated convolutional code; Marchesini– Fornasini 2D model; Minimum distance; Free distance

Matrices en R

Matrices en R

Las matrices de R son conjuntos de datos indexados por filas y columnas. Al igual que los vectores, nos permiten realizar operaciones con grandes cantidades de datos de forma sencilla. ¡Vamos a verlos!

Creando matrices

  • La función para crear matrices es matrix(data, nrow, ncol, byrow=F), donde data son los datos que forman la matriz, nrow es el numero de filas de la matriz, ncol el numero de columnas de la matriz y por ultimo byrow sirve para indicar si los datos se colocan por filas o columnas.

Imagen 1

Funciones útiles sobre matrices

Captura de pantalla 2019-08-12 a las 12.57.51

Captura de pantalla 2019-08-12 a las 12.59.04

Asignando nombres a las filas y las columnas

Hay tres funciones para añadir o modificar el nombre de las filas y las columnas:

  • colnames(x), para cambiar el nombre de las columnas.
  • rownames(x), para cambiar el nombre de las filas.

Imagen 2

  • dimnames(x), para modificar tanto el nombre de las columnas como el de las filas.

Imagen 3

Datos compuestos en R: Factores

Datos compuestos en R: Factores

Los factores son una clase de vector que contiene los datos de una variable categórica. Esta clase de datos son muy usadas los análisis estadísticos en R. ¡Vamos a verlos!

 

Definir factores:

  • La función que usamos en R para definir factores es factor(). Los valores que un factor pueden contener están delimitados por los niveles. Estos son las diferentes categorías presentes en una variable categórica. Dichos niveles pueden estar codificados tanto en valores numéricos como caracteres.

Factores 1

 

Etiquetado:

  • Podemos etiquetar los niveles del factor para aclarar el significado de los mismos.

Factores 2

 

Ordenado:

  • A veces es necesario ordenar los niveles de los factores para otorgar mayor importancia. Para ello podemos usar la función ordered().

Factores 3

Justo Puerto: “El analista de datos está de moda porque tiene una rentabilidad inmediata que es perceptible por la empresa”

Justo Puerto: “El analista de datos está de moda porque tiene una rentabilidad inmediata que es perceptible por la empresa”

IMG_2578Justo Puerto en el CIO el pasado 3 de julio. | Foto: Carla Serrano

Justo Puerto es catedrático en la Universidad de Sevilla y también ejerce como investigador en el Instituto de Matemáticas de la Universidad de Sevilla (IMUS), aunque anteriormente trabajó como estadístico en el Hospital Universitario Virgen de Valme de Sevilla. Ha sido profesor visitante en universidades de Alemania, Puerto Rico, Estados Unidos o Japón, entre otras. Además, es miembro de los grupos españoles de Teoría de Juegos y Localización desde 1994. Ha publicado cinco libros relacionados con la Teoría de Juegos y la Optimización y ha colaborado en una veintena más. Asimismo, acumula 200 publicaciones en revistas de gran prestigio.

Pregunta. El diario The New York Times considera al científico de datos como “la profesión más sexy del siglo XXI”. Y vaticinó que un 40% de las empresas que demandasen este perfil en EEUU en 2018 se quedarían sin cubrir ese puesto. ¿Cuáles son los sectores y los tipos de empresa que más demandan la figura del analista de datos en España?

Respuesta. Este artículo que mencionas hacía referencia a una profesión que se llama Analytics. La traducción es correcta, pero lo que hay detrás de este término es algo más amplio que el análisis de datos en sí. El término Analytics se refiere a todo profesional que es capaz de hacer análisis de operaciones, tanto de datos como de máquinas, como de personal. Es una apreciación un poco más amplia. Por eso, quizá sea mucho más ambicioso de lo que podríamos pensar de un análisis de datos en España. ¿Por qué no hay suficientes profesionales para esto? Es como todo: cuando una profesión se vuelve viral, se convierte en sexy. Todo el mundo quiere tener un experto cerca y no hay expertos para todo el mundo. Entonces, solo la gente que tiene una formación en Investigación Operativa y en Ciencia de Datos son verdaderos expertos en Analytics. En Estados Unidos creo que hay unos 5.000 y muchos de ellos ya tienen puestos en universidades o en empresas. Y los que se gradúan cada año pueden ser 100 o 200 personas que entran en el mercado. Si cada empresa del ámbito del transporte, de análisis de datos, de gestión de personal o de finanzas quiere tener un profesional en este ámbito, no hay suficientes.

P. ¿Y cuáles son los sectores que más demandan este puesto en España?

R. En España las grandes empresas tienen un gabinete de Analytics, que aquí se llama Ciencia de Datos. Algunos ejemplos son Repsol o Iberia. Hay otras que, aunque no tengan un gabinete como tal, sí cuentan con expertos como por ejemplo los bancos, las compañías de seguros, Renfe, El Corte Inglés. Y todos los que se dedican a analizar datos. También hay muchas pequeñas empresas que se dedican a esto en Madrid y en Barcelona. Además, el Ministerio de Defensa tiene tres gabinetes, uno para el ejército del aire, otro para la marina y otro de tierra

P. El salario de un analista de datos en España se sitúa entre los 40.000 y los 75.000 euros al año, y ahora mismo faltan profesionales cualificados para el puesto. ¿Por qué el analista de datos se ha convertido en uno de los perfiles más buscados y mejor pagados en nuestro país?

R. Está de moda porque tiene una rentabilidad inmediata que es perceptible por la empresa. El analizar mercados, el determinar perfiles de clientes o el determinar precios de productos que salen al mercado son cosas que se hacen diariamente y se han dado cuenta de que, con un poco de inversión, obtienen una rentabilidad inmediata. No tienen que hacer una gran inversión, ni un departamento de I+D, sino tan solo analizar un conjunto de datos que se puede hacer con un ordenador personal y un experto que sea capaz de manejar unos programas tipo Python o R. Y creo que la respuesta está en que tienen una repercusión inmediata en la cuenta de resultados.

“Hay cuadros directivos de empresas que tienen deficiencias en formación de Análisis de Datos y ese desconocimiento los lleva a no usar esta herramienta”

P. ¿Las universidades españolas están formando a sus estudiantes, con titulaciones puestas al día, para ser auténticos analistas de datos? ¿O son las empresas las que se tienen que encargar de formar a sus trabajadores?

R. En el mundo ideal esa formación se debería adquirir en la universidad. Sin embargo, el mundo ideal es algo que está lejos del mundo real. En el mundo real las universidades españolas tienen unos planes de estudio que necesitan pasar unos procesos de acreditación y necesitan un tiempo de asentamiento que ha hecho que en estos momentos la formación de Analista de Datos como tal no se esté ofertando en muchas universidades. Hay algunos centros donde sí que tienen algún máster orientado a Análisis de Datos, pero es verdad que no es una tendencia global.

P. Quizás deberían actualizarse un poco…

R. Claro. Las cosas deberían actualizarse, pero que una titulación se pueda ofertar a nivel oficial requiere una trayectoria de acreditación, la discusión de un plan de estudios y unos trámites que no son rápidos y no se pueden improvisar. Para eso todo el sistema universitario español tiene mucha inercia. No se puede crear una titulación oficial de la noche a la mañana. Lo que pasa es que están surgiendo alternativas de formación más o menos fiables que están basadas en títulos propios; títulos que ofertan empresas, algunas de mucha calidad y otras de muy poca calidad. Cuando no hay un proceso de acreditación y control de calidad encuentras un rango desde lo bueno a lo malo.

P. No es más productiva la empresa que más recursos posea, sino aquella que mejores resultados obtenga. Y la optimización de recursos va de la mano del ahorro, un concepto muy importante para las empresas. Sin embargo, ¿por qué algunas grandes empresas todavía no hacen uso de esta herramienta?

R. Eso tiene que ver con la formación de los cuadros directivos de la empresa. Para que esta herramienta se aprecie es necesario que el equipo de dirección de la empresa comprenda que al utilizar herramientas analíticas van a obtener mejores resultados. Si eso no está en la formación del cuadro directivo, es algo que ni siquiera se plantea. Tenemos consejos de administración y cuadros directivos que tienen deficiencias en formación y el desconocimiento los lleva a no usarlo. Creo que esa es la explicación.

“Las Matemáticas en España están bien posicionadas a nivel global por número y nivel de publicaciones, pero faltaría que hubiera una estrella, una especie de referente del que todos nos sintamos orgullosos porque nos representa”

P. Y según su criterio, ¿cree que sería recomendable que una startup contase con un analista de datos desde el primer minuto?

R. Depende de la empresa. Quizá para el lanzamiento de la empresa sí que tendría que hacer un primer estudio de mercado, de posicionamiento, y para eso sí haría falta un analista. Pero depende de cuál sea el perfil de la empresa. Alguien que vaya a hacer microchips o que vaya a desarrollar una pieza de ingeniería es posible que no lo necesite. Quizás en el primer momento necesiten hacer un estudio de posicionamiento de mercado. Realmente ahí sí tiene cabida, pero en los inicios es posible que no fuera necesario en todos los casos.

P. Usted ha investigado también en localización de servicios y sus aplicaciones. ¿Cómo puede facilitarnos la adecuada localización de infraestructuras en la vida cotidiana?

R. Bueno, eso es fundamental. Nuestra vida cotidiana depende de los servicios, y los servicios se ubican siguiendo unos criterios de localización. Tener un hospital a una distancia razonable es fundamental en caso de un accidente. Tener un colegio en el entorno de un barrio es fundamental para que los estudiantes no tengan que desplazarse. Construir en zonas donde no se produzcan averías de agua ni inundaciones es obligatorio, porque luego se producen desastres, como estamos viendo. La vida cotidiana depende de muchas cosas, una de ellas es que las infraestructuras estén bien ubicadas, porque eso simplifica la vida de todos los usuarios.

P. Carmen Herrero, a quién entrevistamos recientemente, dijo que “un país que no investiga, que no innova, que no crea producto tiene las puertas cerradas al porvenir”. Usted ha sido coordinador de la Agencia Nacional de Evaluación y Prospectiva (ANEP). ¿Se reciben muchas propuestas de proyectos hoy en día en España?

R. Participé en la Agencia Estatal de Investigación durante unos años, en el área de Matemáticas. En esta área se presentan anualmente en torno a 200 proyectos de investigación. De los cuáles, hay una parte que son de investigación básica y otra que son de retos de la sociedad y de la ciencia. Para el colectivo de matemáticos que hay en España, 200 proyectos anuales es un número adecuado, de los cuáles se financian alrededor del 60%. Unos tienen toda la financiación que solicitan y otros menos, pero en el área de Matemáticas la investigación es adecuada y está razonablemente financiada.

“En los últimos años nos hemos dedicado a pagar con dinero público estudiantes de doctorado brillantes que han terminado fuera, revirtiendo el valor que tendría que revertirse en la sociedad española en otras sociedades”

P. ¿Cree que estos proyectos están bien enfocados o deberían ser más específicas en cuanto a la temática o la aplicación?

R. Yo creo que el 60% de los proyectos estaban bien enfocados y por eso recibieron financiación, mientras que el resto no y por eso no recibieron financiación. Los grupos de investigación en Matemáticas en España, tanto los que hacen Matemática básica y pura, como los que hacen Matemática Aplicada, como el resto de las áreas de los campus, se clasifican entre los que hacen bien su trabajo y los que hacen menos bien su trabajo. Y los que lo hacen bien, lo hacen muy bien. Los otros están mejorando.

P. Según su experiencia, ¿qué aspectos se podría mejorar a la hora de proponer un proyecto?

R. Tendría que haber una apuesta por conseguir un mejor posicionamiento internacional en Matemáticas, en el sentido de que las Matemáticas en España están bien posicionadas a nivel global por número y nivel de publicaciones, pero faltaría que hubiera una estrella, una especie de referente del que todos nos sintamos orgullosos porque nos representa como Rafa Nadal o Fernando Alonso. Personas que crean una atención mediática que hace que la sociedad se fije en algo, porque como te he dicho antes, la investigación Matemática en España se hace bien y desde hace años los índices que se consiguen a nivel internacional son muy buenos y tenemos en la universidad grupos de investigación matemática que se encuentran entre los 50 mejores del mundo, pero falta que nuestra sociedad se sienta orgullosa del trabajo que se hace en la Matemática española y es difícil. Eso solo se consigue con campañas mediáticas o con alguien que se convierta en una estrella notable en el ámbito internacional.

P. ¿Cómo ve el futuro de las Matemáticas en España?

R. Tengo una visión un poco pesimista. Durante años se ha ido produciendo un relevo generacional: formas a gente que llega a formar parte de los grupos de investigación, aprenden todo lo que tú has tardado 30 años en entender a nivel del máximo conocimiento internacional, y eso funciona como una especie de gremio donde uno va formando a otro y se produce un relevo generacional. Esto es un movimiento continuo dónde el conocimiento no se pierde. Lo que se ha conseguido con el esfuerzo de mucha gente y la inversión pública a lo largo de 30 años se va manteniendo. En los últimos años esta tendencia se ha roto, y las universidades y los centros de investigación no están propiciando el relevo generacional. Entonces, en unos cuántos años toda la generación que empezamos prácticamente a finales de los años 80 vamos a llegar a nuestra edad de jubilación y se va a producir una fractura en la gente que nos reemplace. Y si se produce esa fractura, volver a recuperar esos años perdidos y ese conocimiento no amortizado va a dar lugar a un retroceso en lo que es el posicionamiento de las Matemáticas españolas a nivel internacional. Esto todavía no es inminente y se puede revertir, pero hay que dar la voz de alerta ahora.

“Hay que buscar cómo rescatar talento y cómo buscar el reemplazamiento de las generaciones porque ya estamos en la segunda parte de nuestra carrera profesional”

P. Según su criterio, ¿qué podemos hacer para revertirlo?

R. Lo que podemos hacer es que las universidades puedan volver a contratar a gente excelente. Que los centros de investigación puedan contratar a gente realmente valiosa y que no estemos formando a gente con dinero público español para que reviertan su plusvalía en centros de investigación alemanes, americanos, ingleses, canadienses… Porque en los últimos años nos hemos dedicado a pagar con dinero público español estudiantes de doctorado brillantes que han terminado fuera, revirtiendo el valor que tendría que revertirse en la sociedad española en otras sociedades. A nivel individual es un éxito para cada uno de ellos, porque reconocen su valía y su prestigio, pero a nivel de nación es un desastre porque estamos formando a la mejor generación que nunca ha habido en la historia de España y un alto porcentaje de ellos terminan trabajando fuera. Hay que buscar cómo rescatar talento y cómo buscar el reemplazamiento de las generaciones porque ya estamos en la segunda parte de nuestra carrera profesional.

 

 

¡No te pierdas el seminario que Justo Puerto impartió en el CIO!

Seminario de Ciara Heavin

Speaker: Ciara Heavin (University College Cork)

Title: “Tackling Health Opportunities through Mobile Application Solutions”

Date: viernes 26 de julio, 12:00 horas.

Localication: Sala de Seminarios del CIO (Edificio Torretamarit)

Abstract. Mobile health (mHealth) has experienced significant growth. This is attributable to three key factors: 1) the need for a disruptive solution to challenge the spiralling cost of healthcare, 2) the growth and maturity experienced in mHealth i.e. wireless connectivity and 3) the need for personalised medicine driven by the increased availability of novel, real-time data streams. This presentation considers the motivation and goals behind five funded research projects in the health domain. This research agenda is broadly underpinned by five key themes: 1) analysis, design and development of mobile solutions, 2) user intention to participate/use these solutions, 3) user experience (UX) design methods, 4) the need for a robust small data solution as a prerequisite for a “big health data” opportunity and 5) technology choices in mobile application development. These studies were undertaken to develop mobile applications to support capture, storage, analysis and visualisation of health related data/information. The applications developed offer a unified view of information to support users’ decision making requirements in real-time. Thisresearch is concerned with the user experience (UX) of the application (app) and/or the information (content) and how it is consumed. Intuitiveness and user learnability have been assessed along with stakeholder readiness.