Las tecnologías disruptivas son aquellas que generan cambios significativos en la forma en que se realizan las actividades cotidianas, los procesos industriales o los modelos de negocio establecidos. Estas tecnologías tienen el potencial de transformar industrias enteras, alterar la forma en que interactuamos con el mundo y crear nuevas oportunidades y desafíos. En el presente libro explicamos de forma clara y didáctica las tecnologías que están marcando nuestro presente y futuro inmediato y que están intrínsecamente relacionadas con el crecimiento de la sociedad digital. Están son las tecnologías descritas: Big Data. El conjunto de tecnologías, técnicas y herramientas que hacen posible la recogida, procesamiento y análisis de volúmenes masivos de datos. Deep Learning. Las técnicas de aprendizaje en profundidad que utiliza redes neuronales. # NLP. Procesamiento de Lenguaje Natural. # Web Scraping. Técnica utilizada mediante herramientas de software para extraer información de sitios web. Visión Artificial y procesamiento de imágenes. Criptografía. La ciencia que permite crear mensajes cifrados. Deep web y Redes Tor. Servidores que permiten preservar a los usuarios su privacidad y seguridad en Internet. Blockchain. Una estructura de datos en la que la información contenida se agrupa en conjuntos (bloques) a los que se le añade metainformación. Ciberseguridad. La práctica de proteger los sistemas informáticos, las redes y los datos contra ataques, daños o acceso no autorizado. Además, se incluye un anexo describiendo la instalación de Python en Windows para que el lector pueda poner en practica buena parte de los ejemplos descritos en el libro.INTRODUCCIÓN CAPÍTULO 1. BIG DATA 1.1 ALGUNAS CIFRAS IMPORTANTES 1.1.1 Cifras del estado digital en el mundo 1.1.2 Tiempo en redes sociales por plataforma 1.1.3 Digital España 1.1.4 Digital Perú 1.2 DATOS 1.3 ALGUNAS DEFINICIONES DE INFORMACIÓN 1.4 CONOCIMIENTO 1.5 SABIDURÍA 1.6 LA IMPORTANCIA DE LA INFORMACIÓN EN LAS ORGANIZACIONES 1.7 QUE ES BIG DATA 1.8 OTROS CONCEPTOS DE BIG DATA 1.9 GENERACIÓN DE DATOS EN INTERNET EN TIEMPO REAL 1.10 TIPOS DE DATOS. 1.11 FUENTES DEL BIG DATA 1.12 LAS VS EN BIG DATA 1.13 LAS VS A LO LARGO DEL TIEMPO 1.14 APLICACIONES DEL BIG DATA EN GENERAL 1.15 PATRONES DE ARQUITECTURA DE SOFTWARE 1.15.1 Qué podría decir acerca 1.15.2 Algunas Afirmaciones Importantes 1.15.3 Conclusiones 1.15.4 Aplicaciones monolíticas 1.15.5 Aplicaciones Cliente Servidor 1.15.6 Aplicaciones Web. 1.15.7 Aplicaciones Peer-to-Peer 1.15.8 Aplicaciones de Data Compartida 1.15.9 Aplicaciones Map-Reduce 1.15.10 Aplicaciones heterogéneas 1.16 RETOS DE SEGURIDAD EN BIG DATA 1.17 MEDIDAS DE SEGURIDAD BÁSICAS 1.18 USO DEL BIG DATA EN LA CIBERSEGURIDAD 1.19 METODOLOGÍAS DE PROCESAMIENTO DE GRANDES VOLÚMENES 1.19.1 Entendimiento del Negocio 1.19.2 Comprensión de datos 1.19.3 Tecnología 1.19.4 Tratamiento de datos 1.19.5 Modelización 1.19.6 Presentación 1.19.7 Despliegue 1.19.8 Puesta en Valor 1.20 METODOLOGÍAS CRISP-DM 1.20.1 Comprensión del negocio 1.20.2 Comprensión de los datos 1.20.3 Preparación de Datos 1.20.4 Modelamiento 1.20.5 Evaluación 1.20.6 Despliegue 1.21 HADOOP 1.22 QUE ES HADOOP 1.23 CARACTERÍSTICAS BÁSICAS 1.24 ¿POR QUÉ HADOOP? 1.25 HISTORIA DE HADOOP 1.26 ¿QUÉ ELEMENTOS TIENE HADOOP? 1.26.1 HDFS 1.26.2 YARN 1.27 MAPREDUCE CAPÍTULO 2. IOT 2.1 QUE ES EL IOT 2.2 IOT COMO PARADIGMA 2.3 TERMINOLOGÍA BÁSICA 2.4 IOT CASOS DE USO 2.5 PROYECCIÓN DEL IOT 2.6 ALGUNOS CASOS DE USO 2.7 SEGURIDAD DEL IOT 2.8 EL FUTURO DEL IOT 2.9 ÁREAS DEL IOT 2.10 CIUDADES INTELIGENTES 2.11 CARACTERÍSTICAS DE LOS IOT VS ORDENADORES 2.12 ¿CÓMO SE CONECTAN LOS DISPOSITIVOS DE IOT A LA RED? 2.13 ¿QUÉ GRADO DE SEGURIDAD OFRECEN ESTOS DISPOSITIVOS? 2.14 ¿EL ECOSISTEMA DEL IOT? 2.15 HACIA EL FUTURO 2.16 JUGADORES EN EL IOT CAPÍTULO 3. ANALÍTICA CON PANDAS 3.1 PANDAS Y NUMPY 3.1.1 Primer ejemplo 3.1.2 Segundo ejemplo 3.2 ANÁLISIS DEL BITCOIN 3.3 ANÁLISIS CORONAVIRUS 1 3.4 ANÁLISIS CORONAVIRUS 2 3.4.1 GeoPandas CAPÍTULO 4. DEEP LEARNING 4.1 DEEP LEARNING 4.1.1 Historia de Deep Learning 4.1.2 Neurona 4.1.3 Redes Neuronales Artificiales 4.1.4 Aplicaciones de redes neuronales 4.1.5 Perceptron 4.1.6 Función de activación 4.1.7 Una red neuronal artificial buscará partículas exótica 4.1.8 Premio Turing 2018 4.1.9 Tipos de Arquitecturas de Deep Learning 4.1.10 Qué hace el científico de datos con los patrones 4.1.11 Implementación de nuestro primer modelo CAPÍTULO 5. PROCESAMIENTO DE LENGUAJE NATURAL 5.1 NLP 5.1.1 Introducción 5.1.2 NLP, NLU y NLG 5.1.3 Evolución del NLP 5.1.4 Aplicaciones del NLP 5.1.5 Problemas de Ambigüedades 5.1.6 Instalando TextBlob y NLTK en anaconda 5.1.7 Tokenización 5.1.8 Lematización 5.1.9 Stop Words 10 TECNOLOGÍAS DISRUPTIVAS © RA-MA 5.1.10 ¿Cuándo se debe eliminar los Stop Words? 5.1.11 Algunos puntos a tomar en cuenta 5.1.12 Mi primer ejemplo de análisis de texto 5.1.13 Mi segundo ejemplo de traducción de texto 5.1.14 Mi tercer segundo ejemplo análisis de sentimiento 5.1.15 Stanza 5.1.16 Modelos ocultos de Markov para el etiquetado de texto 5.1.17 Modelos Markoviano de máxima entropía CAPÍTULO 6. WEB SCRAPING 6.1 WEB SCRAPING 6.2 OBTENIENDO UNA IMAGEN DE UNA WEB 6.3 OBTENIENDO PÁGINAS LEER UN ARCHIVO DE TEXTO 6.4 OBTENIENDO CARACTERES CAPÍTULO 7. PROCESAMIENTO DE IMÁGENES 7.1 OPENCV 7.2 FUNCIONES IMPORTANTES 7.2.1 imread 7.2.2 imshow 7.3 LEER IMÁGENES 7.4 ESCRIBIR IMÁGENES 7.5 CAMBIANDO EL FORMATO DE UNA IMAGEN 7.6 MODELO DE COLOR YUV 7.7 MODELO DE COLOR YUV DIVISIÓN DE COLORES 7.8 IMAGEN GRIS 7.9 TR