This blog is no longer maintained.

Please visit our new blog at https://sevillarusers.netlify.com/

 

Últimas actualizaciones

Hola a todos,

En la siguiente charla este blog morira y nacera otro usando Rblogdown. Ha muerto el blog, Larga vida al blog!

Pero antes os dejo enlaces a material de las últimas charlas:

• Tidyverse: https://github.com/migpornar/meetup-tidyverse (por @migpornar)
• Repos usados en la Hackathon: https://github.com/SevillaR (aemetr, datos.gob.es.r y j3r-housepricing-ml)
• La charla de creación de paquetes y GitHub de @frod_san (que fue live coding, o sea que no hay diapos!)
• Perfiles de Data Scientist en empresas y modelos xgboost https://www.meetup.com/Sevilla-R-users/events/246971048/.

Y en otras noticias: estamos listados en Resistencias digitales: https://resistenciasdigitales.ushahidi.io/views/map

 

ML en la empresa (diapos)

Gracias a Néstor Alonso por su charla, con ejemplos super practicos de como integrar Machine learning en la empresa. Os dejamos sus diapos aquí: Charla Sevilla R Users 20180109!

 

 

Documentos dinámicos

Miguel A. Porras Naranjo nos dice: “Acabo de subir la presentación que usamos ayer para la reunión (https://github.com/migpornar/meetup-genera/blob/master/presentacion.pdf).”

Gracias!

Qgis y R

Aquí os dejamos la presentación del Martes incluyendo el enlace al repo de recursos de scripts y modelos descargables desde processing. Gracias a Jerónimo Carranza por las super charla! https://bitbucket.org/JeronimoCarranza2/rinqgis

Nos vemos el primer Martes de Noviembre para hablar de documentos dinamicos y videojuegos.

Resumen ultima reunión

Paco nos dio una introducción a como usar GIS con R brutal, aqí están las diapositivas: https://github.com/Pakillo/GISwithR

La discusión sobre Comó ser un data scientists también fui muy chula. Tome algunas notas, pero añadir en comentarios lo que me haya perdido:

• Importante no solo herramientas, sino entender la teoría: e.g. machine learning.
• R + Python son los dos lenguajes predominantes
• Kaggle (ideal para practicar)
• Es importante tener una base matemática.
• Master US Data Sci y Big Data: Opinion favorable. Es solo su primer año, pero muy útil.
• La idea/ Pregunta es a veces más importante que el machine learning.
• Limpiar datos es > 50% del trabajo. Utilidad de aprender a ello e.g. regex.
• Las empresas no son conscientes de los datos que tienen.

Reunión: 6 de Junio, 18 h, aula TIC9-CRAI

Programa:

Martes 6 de Junio, 18 a 20 h, aula TIC9 del CRAI de Reina Mercedes

• Charla-Taller: Usando R como SIG: creación de mapas y manejo de datos espaciales con R

• Debate: Cómo abrirse camino como analista de datos (data scientist)

Para ir abriendo boca creo que esto puede ser útil: https://www.quora.com/What-do-you-look-for-when-hiring-an-entry-level-data-scientist-Would-a-master%E2%80%99s-in-Data-Science-or-a-bootcamp-be-beneficial.

Estaría muy bien si viniera gente de empresas para aportarnos su visión. Dadle publicidad por favor!