Economista resalta las bondades de Big Data y Machine Learning en diferentes áreas del conocimiento

SANTO DOMINGO. -Se estima que diariamente la humanidad produce aproximadamente 2.5 exabytes de información, de los cuales un 90 % se ha generado en los últimos dos años. El acceso oportuno a esta ingente cantidad de datos detonado una revolución en diversos campos del conocimiento.

Lo anterior fue expuesto por la economista Lisette Santana, quien resaltó que, entre otras cosas, los grandes conjuntos de datos (Big Data) hacen plausible la búsqueda de respuestas a distintos temas de investigación que, probablemente, estarían restringidos bajo un esquema de análisis estadístico más tradicional, ya que las herramientas de machine learning proporcionan un marco analítico más amplio para los procesos de toma de decisiones.

“Visto de manera aislada, el interés en los tópicos de Big Data puede ser considerado como un fenómeno coyuntural, en respuesta a crisis financieras; sin embargo, desde otra óptica, refleja una estructura más sólida con el potencial de incrementar el volumen, la velocidad y la variedad de datos a menores costos”, afirmó la economista.

Santana definió la ciencia de datos como un campo interdisciplinario que involucra diversas técnicas, procesos y sistemas para derivar información y hacer inferencia a partir de datos estructurados y no estructurados, propiciando un esquema bajo el cual se conjugan la estadística, la matemática aplicada, el aprendizaje automático y otros métodos relacionados.

“El termino Big Data hace referencia a grandes conjuntos de datos estructurados y no estructurados que, dado su volumen y velocidad de producción, no pueden ser procesados empleando técnicas estadísticas tradicionales para ser útiles de forma oportuna”, dijo.

Durante la conferencia virtual “Big Data y Machine Learning: binomio indiscutible en la Ciencia de Datos”, realizada en el Encuentro Profesional de la Maestría en Ciencia de Datos del Instituto Tecnológico de Santo Domingo (INTEC), Santana refirió que bajo un esquema tradicional de inferencia se analiza la data, se establecen supuestos a priori sobre la distribución de la información con técnicas y enfoques conservadores, se promueve la disminución de los insumos y se buscan soluciones óptimas bajo determinado supuestos.

Sin embargo, la economista afirmó que bajo el esquema de machine learning se lleva a cabo un aprendizaje de los datos, no hay rigidez sobre la información, existe mayor libertad en el tratamiento de la misma (enfoque más heurístico) y resulta factible el manejo de grandes conjuntos de datos, permitiendo hacer frente a problemas más complejos de aprendizaje, dimensión, modelación, razonamiento y percepción.