Please enable JavaScript.
Coggle requires JavaScript to display documents.
Los pilares de la transformación digital - Coggle Diagram
Los pilares de la transformación digital
Computación de la nube
Cloud computing
Permite acceder virtualmente a recursos informáticos a través de Internet , sin importar el dispositivo o lugar en el que nos encontremos.
Funciones
•Almacenamiento de archivos.
•Ejecución de aplicaciones
•Trabajo en equipo.
•Desarrollar y probar aplicaciones.
•Reducir costes.
Tipos
•Nubes privadas:
pertenecen a una sola organización
(on premise)
.
•Nubes públicas:
Las empresas pueden acceder a los servicios y recursos que necesiten de manera personalizada y flexible , según sus necesidades.
•Nubes híbridas:
combinan los modelos anteriores.
•Nubes comunitarias:
comparten varias organizaciones con intereses y objetivos comunes.
•Multicloud/múltiples nubes:
hacen referencia a que una empresa usa dos o varios proveedores de servicios en la nube para su desempeño profesional.
Modelos
Infraestructura como servicio (IaaS) :
proporciona infraestructura básica de tecnologías de la información tales como servidores, almacenamiento y redes.
Plataforma como servicio (PaaS):
proporciona una plataforma que permite a los usuarios desarrollar , ejecutar y gestionar aplicaciones sin preocuparse por la infraestructura subyacente.
Software como Servicio (SaaS):
proporciona aplicaciones listas para usar que están disponibles a través se Internet.
Edge computing
Acerca el procesamiento de datos y los servicios de almacenamiento a la ubicación donde se generan datos los datos , en lugar de depender de un centro de datos centralizado,
•Reducción de la latencia.
•Ahorro de ancho de banda.
•Mejora de la privacidad y seguridad.
•Fiabilidad y robustez.
•Escalabilidad.
Fog computing
Introducción de una capa entre la nube central y los dispositivos IoT para facilitar el procesamiento y el almacenamiento de datos localmente antes de que lleguen a la nube:
•Procesamiento local.
•Capacidad de almacenamiento.
•Reducción del ancho de banda.
•Mejora la seguridad y privacidad de los datos.
•Gestión de un gran número de dispositivos y expansión de la infraestructura mejorando la escalabilidad.
Mist computing
Concepto reciente de computación que la lleva más cerca del borde de la red , directamente a los dispositivos finales y sensores:
•Ultra-localización.
•Capacidad limitada.
•Interacción Inmediata.
•Bajo consumo de energía.
Datos/Ciberseguridad
Permiten a las organizaciones tomar decisiones basadas en evidencias.
•Tomás de decisiones informada:
facilitan a las empresas la toma de decisiones , basadas en evidencias y análisis en lugar de en suposiciones.
•Personalización y experiencia del cliente:
los datos del cliente permiten a las empresas personalizar productos, servicios y campañas de marketing para satisfacer necesidades.
•Eficiencia operativa:
el análisis de datos identifica ineficiencias y áreas de mejora en las operaciones empresariales.
•Innovación y desarrollo de productos:
el análisis de datos impulsa a la innovación al proporcionar innovación sobrelas necesidades y comportamientos del mercado.
•Ventaja competitiva:
las compañías que recopilan, analizan y actúan sobre datos de manera efectiva tienen una ventaja competitiva significativa.
•Cumplimiento y regulación:
los datos son esenciales para cumplir con regulaciones y normativas.
Etapas del ciclo de vida del dato
•Creación.
•Almacenamiento.
•Procesamiento.
•Análisis.
•Uso.
•Compartirían y Distribución.
•Archivado.
•Eliminación.
Características del Big Data
•Gran
Volumen
de datos.
•
Velocidad
.
•
Variedad
de fuentes y tipos de datos.
•
Veracidad.
•
Valor.
•Visualización.
•Vilnerabilidad.
Etapas típicas de la ciencia de datos
•Definición del problema.
•Recolección de datos.
•Limpieza y preparaciónde datos.
•Análisis Exploratoriode Datos (EDA).
•Selección y creación de modelos.
•Evaluación del modelo.
•Implementación y comunicación.
•Monitorización y Mantenimiento.
Seguridad de los datos
•Asegurar la privacidad.
•Prevención de ciberataques y fraudes.
•Cumplimiento normativo.
•Confianza del cliente.
•Protección de la Información sensible.
•Mitigación de riesgos.
•Reputación corporativa.
•Responsabilidad ética.
•Competitividad en el mercado.
Inteligencia Artificial
Rama de de la informática que se dedica al estudio y desarrollo de sistemas y algoritmos que pueden realizar tareas que normalmente requieren de la inteligencia humana.
•Aprendizaje automático
(Machine Learning)
.
•Redes neuronales.
•Procesamiento del lenguaje natural
(NPL)
.
•Visión por computadora.
•Sistemas expertos.
•Robótica.
•Atomatiza muchas tareas repetitivas.
•Aparecen nuevas oportunidades laborales.
•se prevé una evolución de roles existentes.
Lenguajes de programación
•Python:
Más popular en el campo de la IA y el aprendizaje automático.
•R:
Muy popular entre los estadísticos y científicos debido a sus potentes capacidades para el análisis y visualización de datos.
•C++:
Se usa en aplicaciones de IA que requieren un muy alto rendimiento y control sobre recursos de hardware .
•Julia:
Lenguaje de programación de alto rendimiento que convina la velocidad del lenguaje C con la facilidad de uso de Python.
•
Lisp:
uno se los más antiguos de la IA utilizado en investigación.
•Scala:
muy empleado en aplicaciones de IA y Big Data.
•Java:
muy extendido y conocido por su rendimiento y capacidad de desarrollo de aplicaciones a gran escala.
HERRAMIENTAS:
Procesamiento del Lenguaje Natural:
•ChatGPT.
•GPT-4.
•Copilot.
Generación de Imágenes:
•CLIP.
•StyleGAN3.
•Midjourney.
Transcripción de Audio:
•DeepSpeech.
•QuartzNet.
•Whisper.
Generación de Música:
•MuseNet.
•Amper Music.
•AIVA.
Generación de Código de Programación:
•GPT-Codex.
•GitHub Copilot.
•Deep TabNine.