<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Datos Argentina on Medium]]></title>
        <description><![CDATA[Stories by Datos Argentina on Medium]]></description>
        <link>https://medium.com/@datosgobar?source=rss-317b389ba188------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*xddUFIGPDTkrpoqNW03zgw.png</url>
            <title>Stories by Datos Argentina on Medium</title>
            <link>https://medium.com/@datosgobar?source=rss-317b389ba188------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 10:15:00 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@datosgobar/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Georreferenciar direcciones: un problema de interpretación de lenguaje natural]]></title>
            <link>https://medium.com/datos-argentina/georreferenciar-direcciones-un-problema-de-interpretaci%C3%B3n-de-lenguaje-natural-f0c1aff812b8?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/f0c1aff812b8</guid>
            <category><![CDATA[address]]></category>
            <category><![CDATA[parsing]]></category>
            <category><![CDATA[georeference]]></category>
            <category><![CDATA[argentina]]></category>
            <category><![CDATA[nlp]]></category>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Thu, 06 Jun 2019 15:52:48 GMT</pubDate>
            <atom:updated>2019-06-06T15:52:48.417Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8pluMNPG_RHjlOh6HGqgVg.png" /><figcaption>Fuente: <a href="https://medium.com/u/bad1a3c5dd60">CARTO</a></figcaption></figure><p><a href="https://github.com/federicotdn"><em>Federico Tedin</em></a><em>, desarrollador principal del Servicio de Normalización de Datos Geográficos, nos cuenta cómo abordó el problema de entender direcciones escritas en lenguaje natural en Argentina.</em></p><p>Uno de los desafíos a resolver cuando desarrollamos la <a href="https://medium.com/datos-argentina/datos-geogr%C3%A1ficos-un-servicio-de-normalizaci%C3%B3n-eecd32fe4d8d">API del Servicio de Normalización de Datos Geográficos</a> fue: <strong>¿Cómo puede un sistema recibir una dirección y entender qué partes la componen?</strong> El problema surgió porque no existe una forma estándar de escribir una dirección, cada persona tiende a escribirla de una forma distinta.</p><p>Tomemos algunos ejemplos basados en datos reales:</p><ul><li>General Savio N° 3001</li><li>Tucumán y Av. Mitre</li><li>Pasteur S/N</li><li>Calle 54 1300</li><li>Tacuarí, entre Lavalle y España</li><li>Entre Ríos 771, piso 4 dpto. B</li><li>Paraguay 504 Barrio Dolores</li></ul><p>Con esta breve lista de direcciones ya podemos reconocer los aspectos que varían entre cada dirección:</p><ul><li>El número de calle no siempre está presente (“S/N”), y a veces tiene un prefijo en forma de “N°”, “N.”, etc, o ninguno en absoluto.</li><li>La cantidad de calles que aparecen en la dirección varían, por lo general entre una y tres calles.</li><li>Las calles se separan con palabras como “esquina”, “y”, “entre”, etc.</li><li>Algunas calles tienen números en sus nombres — o sus nombres son enteramente números.</li><li>Algunas direcciones incluyen información adicional, como el número de piso/departamento y/o la localidad o barrio.</li><li>Algunas calles tienen palabras como “entre” e “y” en sus nombres, lo cual hace difícil detectar si se trata de una única calle o varias calles separadas.</li></ul><p>Por todo esto no es fácil interpretar direcciones sistemáticamente. Si a eso le sumamos otros problemas comunes como datos mal cargados y errores de escritura (por ejemplo, palabras y números pegados) la tarea es aún más compleja.</p><h4>¿Cómo desarrollar una herramienta que, automáticamente y sin intervención humana, interprete componentes de cualquier dirección dada?</h4><p>Para facilitar su integración con la API, dicha herramienta debería funcionar de forma totalmente local, sin consultar recursos externos, y de forma eficiente.</p><p>Así, planteamos una estructura para el problema: buscamos definir su alcance y decidir qué partes nos interesaba resolver ahora.</p><p>Primero, definimos las estructuras preferidas de direcciones:</p><p><strong>Dirección simple:</strong></p><ul><li>&lt;Calle&gt; [Número]</li></ul><p><strong>Dirección de intersección:</strong></p><ul><li>&lt;Calle 1&gt; [Número] y &lt;Calle 2&gt;</li><li>&lt;Calle 1&gt; y &lt;Calle 2&gt; [Número]</li></ul><p><strong>Dirección entre calles:</strong></p><ul><li>&lt;Calle 1&gt; [Número] entre &lt;Calle 2&gt; y &lt;Calle 3&gt;</li><li>&lt;Calle 1&gt; entre &lt;Calle 2&gt; y &lt;Calle 3&gt; [Número]</li></ul><p>En todos los casos, el valor [Número] es opcional, y puede estar inmediatamente seguido por un número de piso o departamento.</p><p><strong>Lo que queremos, entonces, es: extraer de la dirección una, dos o tres calles, una altura (opcional) y finalmente un piso (también opcional).</strong></p><h4>¿Cuál es la teoría detrás de la solución?</h4><p>Una manera posible de aproximar el problema es pensar que las direcciones son un lenguaje. <strong>¿Qué es un lenguaje?</strong> Podemos suponer que es simplemente un conjunto de listas de símbolos.</p><p>Una lista de símbolos podría ser, por ejemplo, “H”, “o”, “l”, “a”, más convenientemente escrita como “Hola”. No necesariamente cualquier secuencia de símbolos está contenida en el lenguaje.</p><p>Volviendo a nuestro caso, en el lenguaje de las direcciones tenemos nombres, letras, comas, números y más.</p><p>Es importante destacar que siempre hablamos de símbolos (<em>tokens</em>) y no de valores específicos: nos interesa hablar de “número” pero no de “1”, “53” o “200”, así como nos interesa hablar de “letra” pero no de “A”, “f” o “R”. El primer paso para procesar direcciones, entonces, fue escribir una función (<em>tokenizer</em>) que convierta una dirección en una lista de símbolos. Por ejemplo:</p><blockquote>Santa Fe N 1301 =&gt; PALABRA, PALABRA, LETRA, NÚMERO</blockquote><p>Una vez obtenida la lista de símbolos, tuvimos que resolver el paso más difícil: ¿Cómo sabemos que esta lista está contenida <em>en el lenguaje de las direcciones?</em> Hasta el momento, solo hablamos de los símbolos que están contenidos dentro de un lenguaje, pero nunca se explicó cómo saber cuáles listas de símbolos son válidas y cuáles no. Es necesario, entonces, definir el lenguaje de alguna manera más precisa (no solo describir sus símbolos).</p><p><strong>Una de las herramientas de uso más difundido para resolver este tipo de problemas son las “expresiones regulares”.</strong> La mayoría de los lenguajes de programación tienen librerías nativas que permiten rápidamente el uso de estas expresiones.</p><p>El problema de las expresiones regulares es que, como dice su nombre, <strong>sólo permiten definir lenguajes regulares</strong>. El lenguaje de las direcciones es más complejo y requiere otras herramientas para ser modelado.</p><p>Una herramienta mejor preparada para este problema son las <strong>gramáticas libres de contexto</strong> (GLC) que nos permiten describir con exactitud cuáles listas de símbolos son parte del lenguaje y cuáles no, mediante un proceso iterativo.</p><blockquote>Los lenguajes regulares son un subconjunto de los lenguajes libres de contexto.</blockquote><p>Las GLC manejan dos conceptos adicionales: los símbolos <strong>terminales</strong> y los <strong>no terminales</strong>. Los símbolos terminales son los que forman parte del lenguaje en sí. Los símbolos no terminales se utilizan como estado intermedio al momento de construir listas de símbolos terminales. Veamos cómo funciona esto para las direcciones.</p><p>Las direcciones de calle pueden ser definidas <a href="https://github.com/datosgobar/georef-ar-address/blob/master/georef_ar_address/grammars/address-ar.cfg">utilizando una GLC</a>. Comenzamos definiendo cuales son las tres estructuras principales de direcciones, y por cada una definimos las partes que la componen. Las partes están siempre definidas a partir de símbolos (<em>tokens</em>) como “PALABRA”, “NÚMERO”, “SEPARADOR”, “COMA”, “LETRA”, etc. Debajo se muestra una versión simplificada de la gramática:</p><blockquote>dirección -&gt; calle altura</blockquote><blockquote>calle -&gt; PALABRA | calle PALABRA</blockquote><blockquote>altura -&gt; LETRA NÚMERO | NÚMERO</blockquote><p>Cada línea representa una producción; el lado izquierdo de cada producción es un no terminal mientras que el lado derecho es una combinación de terminales y no terminales.</p><p>Para derivar texto a partir de las producciones, se debe partir de la producción inicial <em>dirección</em>, y sustituir su valor por lo que aparece en el lado derecho de las producciones que le corresponden. El proceso se repite por cada no terminal hasta que se termina con una secuencia puramente de terminales. Por ejemplo:</p><ul><li>Comenzamos con: dirección</li><li>Aplicamos: dirección -&gt; calle altura</li><li>Tenemos: calle altura</li><li>Aplicamos: calle -&gt; calle PALABRA</li><li>Tenemos: calle PALABRA altura</li><li>Aplicamos: calle -&gt; PALABRA</li><li>Tenemos PALABRA PALABRA altura</li><li>Aplicamos: altura -&gt; LETRA NÚMERO</li><li>Terminamos con: PALABRA PALABRA LETRA NÚMERO</li></ul><p>Entonces, teniendo la lista de símbolos para una dirección específica (“Santa Fe N 1301”), podemos utilizar la librería <a href="http://www.nltk.org/">NLTK</a> para automatizar el proceso de calcular si la misma puede ser generada a partir de la gramática que definimos anteriormente.</p><p>El resultado es un árbol sintáctico, que describe cuáles producciones deben ser aplicadas para llegar al resultado final. El árbol sintáctico correspondiente al ejemplo anterior sería:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/663/1*dPT-5RkvvyfJd3NePtz1GA.png" /><figcaption><strong>Árbol Sintáctico</strong></figcaption></figure><p>Una vez obtenido el árbol sintáctico, es fácil identificar cada parte de la dirección: simplemente tomamos el nodo de interés (por ejemplo, “calle”) y visitamos todas las hojas de su subárbol (“Santa”, “Fe”). Luego de haber visitado todos los nodos de interés, finalmente logramos identificar todas las componentes de la dirección. Con gramáticas más complejas, es posible identificar componentes más específicas de la dirección, como el piso, la unidad de la altura, etc.</p><h4>¿Cómo ir de la teoría al desarrollo?</h4><p>Todos los pasos descritos anteriormente fueron integrados en una <a href="https://github.com/datosgobar/georef-ar-address">librería de código abierto escrita en Python</a>, cuya interfaz es simple: cuenta con un objeto <em>AddressParser</em> que ofrece un método <em>parse()</em>, el cual recibe una dirección en forma de <em>string</em>, y devuelve un objeto <em>AddressData</em> con las componentes de la dirección:</p><pre>&gt;&gt;&gt; from georef_ar_address import AddressParser</pre><pre>&gt;&gt;&gt; parser = AddressParser()</pre><pre>&gt;&gt;&gt; parser.parse(‘Sarmiento N° 1100 2A’)</pre><pre>AddressData({<br>    “street_names”: [“Sarmiento”],<br>    “door_number”: {“value”: “1100”, “unit”: “N°”},<br>    “floor”: “2A”,<br>    “type”: “simple”<br>})</pre><p>La librería puede ser descargada localmente e integrada a cualquier proyecto. Para probar la herramienta mediante una consola interactiva, se pueden ejecutar los siguientes comandos:</p><pre>$ pip3 install georef-ar-address</pre><pre>$ python3 -m georef_ar_address</pre><pre>Ingresar una dirección y presionar [ENTER] para extraer sus componentes:</pre><pre>&gt; …</pre><p>El uso de datos fue esencial durante el desarrollo de la librería. <strong>Se creó una base de alrededor de 91000 direcciones utilizando el </strong><a href="https://datos.gob.ar/"><strong>portal de Datos Abiertos</strong></a> como fuente para buscar casos donde la herramienta no podía identificar componentes correctamente, y corregirlos. Finalmente, se escribieron alrededor de 250 casos de prueba para asegurar la calidad de los resultados en cualquier desarrollo futuro.</p><p>Para demostrar en términos prácticos la precisión de la librería diseñada, se tomó el conjunto de datos de <a href="https://datos.gob.ar/dataset/cultura-espacios-culturales/archivo/cultura_4207def0-2ff7-41d5-9095-d42ae8207a5d">museos (espacios culturales)</a>, y se aplicó el <em>parser</em> a cada fila de datos, utilizando la columna <em>direccion</em> como entrada. <strong>De las 1040 filas procesadas, el 88.5% fueron interpretadas correctamente.</strong></p><p>En la mayoría de los casos no interpretados correctamente, la dirección contaba con una estructura demasiado particular o específica, al estilo de “Chacra X, Circuito de Y, a 10 Km de la localidad de Z” o también “Predio del Ferrocarril X”. Estos casos poseen estructuras tan variadas que extender la librería para procesarlos implicaría un desarrollo extenso para una ganancia limitada.</p><h4>Por último, la integración con el servicio</h4><p>Actualmente, la API utiliza <em>georef-ar-address</em> para interpretar la dirección recibida y buscarla dentro de los datos indexados.</p><p>El recurso <em>/direcciones</em> de la API acepta un parámetro <em>direccion</em>, donde el usuario puede especificar una dirección de calle a normalizar.</p><p>Por ejemplo:</p><p><a href="https://apis.datos.gob.ar/georef/api/direcciones?direccion=av.%20paseo%20colon%20al%20850&amp;localidad=montserrat">https://apis.datos.gob.ar/georef/api/direcciones?direccion=av. paseo colon al 850&amp;localidad=montserrat</a></p><p>El valor <em>direccion</em> dentro de <em>parametro</em> en la respuesta contiene los resultados intepretados por el <em>parser</em>.</p><pre>{<br>    “cantidad”: 1,<br>    “direcciones”: […],<br>    “inicio”: 0,<br>    “parametros”: {<br>        “direccion”: {<br>            “altura”: {“unidad”: null, “valor”: “850”},<br>            “calles”: [“av. paseo colon”],<br>            “piso”: null,<br>            “tipo”: “simple”<br>        },<br>        “localidad”: “montserrat”<br>    },<br>    “total”: 1<br>}</pre><p><strong>Ampliar las capacidades de interpretación del servicio, nos permitió incrementar la cantidad de respuestas positivas con sólo entender mejor los datos ingresados.</strong> Un paso más hacia la normalización de datos geográficos.</p><p>Si te interesa saber más podés revisar el <a href="https://github.com/datosgobar/georef-ar-address">repositorio del parser</a> en nuestro <a href="https://github.com/datosgobar">GitHub, </a>el <a href="https://pypi.org/project/georef-ar-address/">Python Package</a> y la documentación de la <a href="https://apis.datos.gob.ar/georef">API</a>.</p><p>¿Usás datos geográficos que requieren normalización? ¿Sentís que esta API te sirve para tu trabajo diario? Nos encantaría que <strong>nos cuentes por </strong><a href="https://twitter.com/datosgobar"><strong>Twitter</strong></a> o por <strong>mail</strong> para qué y de qué manera la vas a usar, y qué otros servicios de datos te gustaría encontrar dentro del Estado.</p><p><em>Si te sirvió este post, hacé clic en el ❤ acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f0c1aff812b8" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/georreferenciar-direcciones-un-problema-de-interpretaci%C3%B3n-de-lenguaje-natural-f0c1aff812b8">Georreferenciar direcciones: un problema de interpretación de lenguaje natural</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Sugiriendo nombres en tiempo real]]></title>
            <link>https://medium.com/datos-argentina/sugiriendo-nombres-en-tiempo-real-50651fc11faa?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/50651fc11faa</guid>
            <category><![CDATA[nombres]]></category>
            <category><![CDATA[algoritmos]]></category>
            <category><![CDATA[datos]]></category>
            <category><![CDATA[despegar]]></category>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Tue, 23 Apr 2019 15:34:09 GMT</pubDate>
            <atom:updated>2019-04-23T16:32:01.719Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QtLfoFDWuw0XK3Ea560KEw.png" /></figure><h4>por Pablo Fernandez de Despegar.com</h4><p>En nuestro objetivo de crear comunidad con el sector privado convocamos a todos los profesionales del mundo de los datos para que cuenten los avances que están realizando en su campo de conocimiento.</p><p>En esta oportunidad <a href="https://twitter.com/fernandezpablo">Pablo Fernandez</a> de Despegar, cuenta su desarrollo para mejorar la experiencia en la compra de pasajes aéreos, y disponibiliza el algoritmo para que cualquiera pueda reutilizarlo y hacer pruebas con la<a href="https://datos.gob.ar/dataset/otros-nombres-personas-fisicas"> base de datos de nombres</a> que se encuentra en <a href="http://datos.gob.ar/">Datos.gob.ar</a></p><h4>El problema</h4><p>Al momento de emitir un pasaje, las aerolíneas nos piden el nombre y apellido del pasajero. Estos datos no deben contener errores, caso contrario la aerolínea puede (y muchas veces lo hace) denegar el viaje o pedir un cambio de pasaje, con un costo que depende del valor del vuelo pero que no es nada barato.</p><p>Inicialmente creíamos que los errores al ingresar los datos se debían a que el usuario confundía nombre con apellido, pero:</p><ul><li>Revisando los datos vimos que esto sucedía muy pocas veces.</li><li>Incluso cuando ocurría, las aerolíneas eran más laxas con sus reglas y dejaban abordar a los pasajeros.</li></ul><p><strong>El error más común era un “typo”</strong>, un error casi siempre de una letra, a la hora de ingresar el nombre o el apellido.</p><p>Si bien esta es una limitación de las aerolíneas y no de Despegar, somos conscientes de que las vacaciones representan uno de los gastos más importantes en la vida de las personas y que cualquier ayuda que podamos ofrecer al pasajero a lo largo de su experiencia es más que bienvenida.</p><h4>Una solución naïve</h4><p>En un principio, el problema podría resolverse de la siguiente manera:</p><ul><li>Tomo el nombre que ingresó el usuario y lo busco en un diccionario de nombres.</li><li>Si existe, listo.</li><li>Si no existe, calculo la distancia entre strings del nombre con los nombres conocidos del diccionario y sugiero el más cercano.</li></ul><p>Esta solución funciona pero tiene algunos inconvenientes, el más importante de ellos es el tiempo de respuesta: incluso la forma más eficiente de comparación de strings demora unos cuantos microsegundos. Utilizar esto para un diccionario grande (30.000 nombres) <strong>demoraría algunos segundos</strong>. Necesitamos una solución más eficiente, para poder hacer una sugerencia en “tiempo real” como la siguiente:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/340/1*yDnn0HNiFMbdGJakMPP1bg.gif" /></figure><h4>Una solución más eficiente</h4><p>Se puede solucionar el problema de una manera menos intuitiva pero mucho más eficiente: primero transformo mi diccionario en una estructura de clave-valor, siendo la clave el nombre y el valor la cantidad de veces que el nombre se repite.</p><ul><li>Tomo el nombre que ingresó el usuario y lo busco.</li><li>Si existe, listo.</li><li>Si no existe calculo todas las variaciones posibles de una letra y busco.</li><li>Retorno todas las opciones que encontré, ordenadas por cantidad de ocurrencias.</li></ul><p>Veamos un ejemplo concreto:</p><ul><li>El usuario ingresa “palo”, el nombre no existe en el diccionario</li><li>Generamos todas las variaciones posibles de una letra: “apalo”, “bpalo”, “aplo”, etc.</li><li>De todas estas “pablo”, “paolo” y “paola” existen en nuestro diccionario.</li><li>Al ser “pablo” la más frecuente, devolvemos esa.</li></ul><p>En un principio parece que generar todas las variaciones es costoso pero no es tan así, <strong>para un nombre corto como “pablo” las variaciones son 297:</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/271/1*oFSncqzbNY7kPZs_DFmjNA.png" /></figure><p>Las variaciones incrementan con el tamaño del nombre pero incluso para 1000 variaciones, son 1000 accesos a un mapa O(1). Esta velocidad varía dependiendo del lenguaje pero <strong>en cualquier caso es una operación en el orden de los nanosegundos. </strong>Por ejemplo, en Python:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/362/1*S796E0MhLalzlgq23nOUBg.png" /></figure><h4>Algunos números</h4><p>La performance no sólo se ve en benchmarks sintéticos (que pueden estar afectados por optimizaciones del compilador o abuso de cachés L1/L2), sino que también se observa en nuestros ambientes productivos:</p><p>El percentil 99 del servicio es ~1ms, agregando el overhead de HTTP:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/824/1*-3csf87iLMe_5RNiMNQb1g.png" /></figure><p>Y además es muy eficiente en cuanto a memoria y uso de CPU:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/855/1*Cw-O5TWJWH0ki1QJItNdKg.png" /></figure><h4>Implementación utilizando datos de datos.gob.ar</h4><p>Actualmente la implementación productiva utiliza un diccionario interno basado en los pasajeros históricos pero se pueden obtener resultados similares usando diccionarios de nombres de libre disponibilidad. Para nombres de personas nacidas en Argentina, la <a href="https://www.argentina.gob.ar/modernizacion">Secretaría de Gobierno de Modernización </a>mantiene un <a href="https://datos.gob.ar/dataset/otros-nombres-personas-fisicas">listado de nombres disponible acá</a>.</p><p>Para simplificar y ejemplificar cómo se pueden utilizar esos datos, <a href="https://github.com/fernandezpablo85/name_suggestions">armé un proyecto opensource</a> (licencia MIT, básicamente permite todo tipo de uso) que provee el servicio en una línea de comandos. Tiene como agregado la probabilidad de ocurrencia de cada corrección, para agregar reglas del tipo “solo sugerir alternativas cuyas ocurrencias sean mayores al 5%”:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*mNshgXifgufikDVNrGVKyQ.jpeg" /></figure><h4>Conclusiones</h4><p>Con muy poco código y con pocos recursos mostramos sugerencias que los usuarios aceptan, al momento de escribir estas líneas, unas 40 veces al día. Esos son 40 pasajeros a los que les ahorramos un proceso engorroso y costoso, precisamente en el momento que están disfrutando de sus vacaciones.</p><p>Nos parece un tradeoff más que aceptable.</p><p><em>***</em></p><p><em>Si querés estar más informado sobre lo que hacemos y enterarte de nuestras actividades, </em><a href="https://docs.google.com/forms/d/13gN0QnHCqlwIjpawcSOZn75PUNWT_O3qLK_Brejq0CM"><em>podés inscribirte acá</em></a><em>.</em></p><p><em>Si te sirvió este post, hacé clic en el </em>👏 <em>acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=50651fc11faa" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/sugiriendo-nombres-en-tiempo-real-50651fc11faa">Sugiriendo nombres en tiempo real</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Nuestros destacados de Enero-2019]]></title>
            <link>https://medium.com/datos-argentina/nuestros-destacados-de-enero-2019-ffd6ffc8a0f5?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/ffd6ffc8a0f5</guid>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Mon, 18 Feb 2019 13:52:12 GMT</pubDate>
            <atom:updated>2019-02-18T13:54:35.210Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Dn9F5gRSc4P18fprtihghQ.png" /></figure><h3><strong>Nuevos nodos</strong></h3><p>Este mes se sumaron el <a href="https://datos.gob.ar/dataset?organization=produccion">Ministerio de Producción y Trabajo</a> y la <a href="https://datos.gob.ar/dataset?organization=spu">Secretaría de Políticas Universitarias</a> (SPU)a la Red de Datos Abiertos de la Administración Pública Nacional.</p><p>El primero publica datos sobre empresas, registros públicos, producción sectorial y consumo, mientras que la SPU comenzó publicando datos sobre la oferta académica de las instituciones de educación superior en la Argentina.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/776/1*EaIM_wNDlruZM9vv9dPjuQ.png" /></figure><h3><strong>Taller de Series de Tiempo en Hacienda</strong></h3><p>El 22 de Enero estuvimos en el Ministerio de Hacienda dando un taller sobre casos de uso de la <a href="http://apis.datos.gob.ar/series">API de Series de Tiempo</a> en Python. Si estas aprendiendo Python y querés ver los ejemplos y recursos usados en ese taller, los podés encontrar <a href="https://github.com/datosgobar/taller-series-tiempo-mediaparty-2018">acá</a>.</p><h3>Servicio de Normalización de Datos Geográficos</h3><p>El 24 de Enero se publicó la versión 0.3.0 del servicio que disponibiliza nuevos formatos para la descarga de datos y mejora la función de normalización del recurso “direcciones”.</p><p>Entre los nuevos formatos que podés descargar está el XML y el SHP. Este último permite la descarga de un ZIP que contiene las geometrías de la consulta realizada.</p><p><a href="https://apis.datos.gob.ar/georef/api/provincias?formato=shp">https://apis.datos.gob.ar/georef/api/provincias?formato=shp</a></p><p>Para el recurso “direcciones” desarrollamos una librería que utiliza procesamiento del lenguaje natural para comprender y parsear distintos maneras de escribir direcciones (<a href="https://github.com/datosgobar/georef-ar-address">georef-ar-address</a>), así mejoramos, la capacidad del servicio para interpretar y normalizar direcciones. Con estas mejoras incluimos algunos cambios en la estructura de la respuesta del servicio.</p><p><a href="https://apis.datos.gob.ar/georef/api/direcciones?direccion=roque%20saenz%20pe%C3%B1a%20entre%20peron%20y%20maipu&amp;provincia=ciudad%20de%20buenos%20aires">https://apis.datos.gob.ar/georef/api/direcciones?direccion=roque%20saenz%20pe%C3%B1a%20entre%20peron%20y%20maipu&amp;provincia=ciudad%20de%20buenos%20aires</a></p><p>Podés conocer mas detalles de los cambios incluidos en la versión 0.3.0 en el <a href="https://gob.us7.list-manage.com/track/click?u=8628cf8fe94103339023ca1fb&amp;id=c7fdce434f&amp;e=911550b165">historial de versiones</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/845/1*kMBvqdvEP3bm1tWilaIKQA.png" /></figure><p><em>Si querés estar más informado sobre lo que hacemos y enterarte de nuestras actividades, </em><a href="https://docs.google.com/forms/d/13gN0QnHCqlwIjpawcSOZn75PUNWT_O3qLK_Brejq0CM"><em>podés inscribirte acá</em></a><em>.</em></p><p><em>Si te sirvió este post, hacé clic en el </em>👏 <em>acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ffd6ffc8a0f5" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/nuestros-destacados-de-enero-2019-ffd6ffc8a0f5">Nuestros destacados de Enero-2019</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[El 2018 en datos]]></title>
            <link>https://medium.com/datos-argentina/el-2018-en-datos-443d7fb049e9?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/443d7fb049e9</guid>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Fri, 11 Jan 2019 18:42:04 GMT</pubDate>
            <atom:updated>2019-01-11T18:42:04.067Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KRhYggEOYeDDvTQvTssQrA.png" /></figure><p>En 2018 nos propusimos ampliar la cobertura de la política de apertura con el objetivo de incrementar la cantidad de datos públicos en formatos abiertos a los que poder acceder y reutilizar. Así, logramos que el 90% de los Ministerios y Secretarías de Gobierno de la Administración Pública Nacional (APN) creen sus propios catálogos de datos abiertos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*b6zyJf3V6sJFiNFASAqZyA.png" /></figure><p>Con el esfuerzo de estas jurisdicciones y muchos de sus organismos descentralizados alcanzamos los 1.126 datasets publicados y documentados en toda la APN, creciendo un 28% sobre lo publicado en diciembre de 2017.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XwlG-Q17HQas8_Q6oWZu-A.png" /></figure><h3><strong>datos.gob.ar</strong></h3><p>Desde el equipo de Datos Argentina queremos facilitar el accesos a los datos que los organismos publican y documentan y es por eso que podés encontrar cada uno de los catálogos de los organismos reunidos en un único portal: datos.gob.ar.</p><p>¿Pero por qué datos.gob ar solo tiene 817 datasets? Como usuarios de datos no solo nos preocupa que puedas encontrar lo que estás buscando sino que lo que encuentres esté bien documentado y pueda reutilizarse. Por eso trabajamos a diario con los organismos por mejorar la calidad de las publicaciones y así aumentar la cantidad de datasets que llegan a datos.gob.ar: hoy podes encontrar 817 datasets (un 73% de los datasets publicados y documentados en la APN).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*W0Zh4bzL77WhS83s1qa7Tw.png" /></figure><h3><strong>Nuestros servicios</strong></h3><p>Como parte de nuestra política de apertura y en busca de ampliar el alcance y mejorar la calidad de los datos que ofrecemos comenzamos a publicar servicios de datos.</p><p>Así, a fines de 2017 te presentamos el <a href="https://medium.com/datos-argentina/series-de-tiempo-datos-como-servicio-6134e89194b6">servicio de Series de Tiempo </a>para la publicación de indicadores con evolución temporal. Una API destinada a facilitar el consumos de datos por parte de analistas de datos especializados.</p><p>Un año después, el servicio alcanzó a más de 10.000 usuarios y 3.500.000 de consultas.</p><p>A hoy, más de 400 usuarios la utilizan a diario y realizan un promedio de 15.000 consultas por día. Siendo por lo general usuarios frecuentes de la API que concentran sus consultas principalmente en variables de coyuntura.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mh14NGpAnzMzQ04SUzDo7w.png" /></figure><p>En agosto presentamos nuestro segundo servicio, el servicio de <a href="https://medium.com/datos-argentina/datos-geogr%C3%A1ficos-un-servicio-de-normalizaci%C3%B3n-eecd32fe4d8d">Normalización de Datos Geográficos</a>, una API destinada a mejorar la calidad de los datos de unidades territoriales.</p><p>En sus primeros meses, el servicio resultó ser diferente al anterior, su integración con aplicaciones de uso generalizado implicó una mayor cantidad de usuarios únicos (222.000) que realizan no más de una o dos consultas cada uno alcanzado las 3.243.000 consultas en 5 meses.</p><p>Esperamos que el perfil de uso cambie a medida que el servicio crezca y sus funcionalidades sean más difundidas, variando el tipo de consultas recibidas y disminuyendo la cantidad de usuarios y consultas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JjXhtHMi0nKby1FZFGjCbw.png" /></figure><p><em>Si querés estar más informado sobre lo que hacemos y enterarte de nuestras actividades, </em><a href="https://docs.google.com/forms/d/13gN0QnHCqlwIjpawcSOZn75PUNWT_O3qLK_Brejq0CM"><em>podés inscribirte acá</em></a><em>.</em></p><p><em>Si te sirvió este post, hacé clic en el </em>👏 <em>acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=443d7fb049e9" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/el-2018-en-datos-443d7fb049e9">El 2018 en datos</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Nuestros destacados de Octubre-2018]]></title>
            <link>https://medium.com/datos-argentina/nuestros-destacados-de-octubre-2018-6f02ba85b131?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/6f02ba85b131</guid>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Tue, 20 Nov 2018 20:02:45 GMT</pubDate>
            <atom:updated>2018-11-20T20:02:45.133Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*192pg4hTHlsxoXi2MGhvJQ.png" /></figure><h3><strong>API Georef: nuevas funcionalidades</strong></h3><p>Seguimos trabajando sobre el servicios de Normalización de datos Geográficos y te contamos las nuevas funcionalidades que podés utilizar:</p><ul><li>Nuevo método de búsqueda: ahora podés encontrar todas las entidades que intersectan con la entidad seleccionada. Por ejemplo, agregando <a href="https://datosgobar.github.io/georef-ar-api/open-api/#/Recursos/get_municipios">“&amp;interseccion=departamento:14042”</a> a una llamada al recurso “municipios” de la API (<a href="https://apis.datos.gob.ar/georef/api/municipios?interseccion=departamento:14042">https://apis.datos.gob.ar/georef/api/municipios?interseccion=departamento:14042</a>) obtendrás los 18 municipios que intersectan con el departamento “General San Martín” de la provincia de “Córdoba”.</li><li>Datos adicionales: la API indica la superficie (en porcentaje) en la que una unidad intersecta con las unidades territoriales relacionadas con ella. Esto se ve en la versión más extendida de respuesta que se obtiene con “&amp;campos=completo”. Ejemplo: en <a href="https://apis.datos.gob.ar/georef/api/departamentos?campos=completo">https://apis.datos.gob.ar/georef/api/departamentos?campos=completo</a> se puede ver qué porcentaje de la superficie de la provincia que lo contiene, ocupa cada departamento.</li><li>Actualizamos los datos de departamentos y localidades de las provincias de Buenos Aires y Tierra del Fuego.</li><li>Agregamos la posibilidad de descargar el listado completo de todas las unidades territoriales en .json .csv y .geojson. (Ejemplo: <a href="https://apis.datos.gob.ar/georef/api/provincias.json">https://apis.datos.gob.ar/georef/api/provincias.json</a>)</li></ul><h3><strong>Integrar la API de Series de tiempo en Excel</strong></h3><p>Si sos usuario de la API de Series de Tiempo ahora es más fácil integrarla con tu planilla de cálculo. <a href="https://datosgobar.github.io/series-tiempo-ar-api/spreadsheet-integration/#excel">Acá podés leer más sobre cómo integrala.</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*a4K8OZWwsmyyKK-Z" /></figure><h3><strong>Argentinos más conectados</strong></h3><p>En el marco del Plan de Revolución de los Aviones se desarrolló este <a href="http://vuelos.historias.datos.gob.ar/">mapa interactivo</a> que permite ver todos los vuelos de este año.</p><p>Este producto es posible gracias a los datos proporcionados por <a href="https://www.eana.com.ar/">EANA.</a> Se desarrolló en conjunto con el Ministerio de Transporte. <a href="https://www.eana.com.ar/estadisticas#estadisticas-header">Acá podés consultar el conjunto de datos original </a>para que puedas explorarlos y hacer tus propios análisis.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/735/1*WFslg-iOebBa5UzHxfQNow.png" /></figure><p><em>Si querés estar más informado sobre lo que hacemos y enterarte de nuestras actividades, </em><a href="https://docs.google.com/forms/d/13gN0QnHCqlwIjpawcSOZn75PUNWT_O3qLK_Brejq0CM"><em>podés inscribirte acá</em></a><em>.</em></p><p><em>Si te sirvió este post, hacé clic en el </em>👏 <em>acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6f02ba85b131" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/nuestros-destacados-de-octubre-2018-6f02ba85b131">Nuestros destacados de Octubre-2018</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Nuestros destacados de Septiembre-2018]]></title>
            <link>https://medium.com/datos-argentina/nuestros-destacados-de-septiembre-2018-533a5d467131?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/533a5d467131</guid>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Thu, 11 Oct 2018 15:20:29 GMT</pubDate>
            <atom:updated>2018-10-11T15:20:29.830Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZJmLReEg7bu1OFCYxPFs3w.png" /></figure><h3>IODC18, la Conferencia Internacional de Datos Abiertos</h3><p><a href="https://www.opendatacon.org/">IODC</a> es el evento anual más importante sobre Open Data que se realiza en el mundo.</p><p>Esta quinta edición fue organizada por el Gobierno de Argentina, junto con la Red de Datos Abiertos para el Desarrollo, el Centro Internacional de Investigaciones para el Desarrollo y el Banco Mundial .</p><p>Bajo el lema “El Futuro es Abierto”, el evento reunió durante dos días a más de 1.500 participantes procedentes de más de 85 países. En total se realizaron 70 sesiones, llevadas adelante por más de 200 oradores.</p><p>La Conferencia tuvo 3 objetivos principales:</p><ul><li>Identificar y explorar las nuevas oportunidades y desafíos que están dando forma a la agenda de datos abiertos.</li><li>Resaltar soluciones de datos abiertos innovadoras y prácticas capaces de generar impacto social y económico en áreas tales como la salud, la educación, la ciencia, etc.</li><li>Fortalecer las relaciones entre países para impulsar el desarrollo de recursos comunes.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tuaJKBOlSlukPW6qGRm5Tw.jpeg" /></figure><h3>Explorador web de Series de Tiempo</h3><p>Lanzamos un<a href="http://datos.gob.ar/series"> explorador web</a> para buscar, visualizar y compartir indicadores con evolución cronológica publicados por la Administración Pública Nacional.</p><p>Como todos los productos que hacemos, el explorador es de<a href="https://github.com/datosgobar/series-tiempo-ar-explorer"> código abierto</a> y utiliza datos abiertos. Está basado en la<a href="https://apis.datos.gob.ar/series/"> API de Series de Tiempo de la República Argentina</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/855/1*IBCy_dUVCxjvKB-FKWsgFw.png" /></figure><h3><strong>Los datos hablan, ¿sabemos escucharlos?</strong></h3><p>Dentro de las actividades de la Academia de Diseño de Políticas Públicas, capacitamos a equipos de gobierno sobre cómo realizar visualizaciones de datos para facilitar la comprensión de las políticas públicas. Así poder mejorar la forma en que diseñamos un proyecto y monitoreamos sus resultados.</p><p>Estuvimos en el Ministerio de Desarrollo Social junto a Alejandro Gregori y Vanina Ogueta compartiendo nuestra forma de trabajo en esta disciplina.</p><p>Este trabajo de capacitación corresponde con el objetivo de crear ambientes donde los empleados públicos se embeban de nuevos conocimientos. Para así mejorar la gestión y fomentar la innovación.</p><h3><strong>Nuevos Nodos</strong></h3><p>Durante el mes de septiembre el <a href="https://cancilleria.gob.ar/">Ministerio de Relaciones Exteriores y Culto</a> lanzó su <a href="http://datos.gob.ar/dataset?organization=exterior">portal de datos abiertos</a>. Ahora cuenta con datos públicos en formato abierto para que cualquiera pueda utilizarlos. De esta manera seguimos creando un gobierno más abierto y transparente para que pueda ser supervisado por todos.</p><p><em>Si querés estar más informado sobre lo que hacemos y enterarte de nuestras actividades, </em><a href="https://docs.google.com/forms/d/13gN0QnHCqlwIjpawcSOZn75PUNWT_O3qLK_Brejq0CM"><em>podés inscribirte acá</em></a><em>.</em></p><p><em>Si te sirvió este post, hacé clic en el </em>👏 <em>acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=533a5d467131" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/nuestros-destacados-de-septiembre-2018-533a5d467131">Nuestros destacados de Septiembre-2018</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Nuestros destacados de Agosto-2018]]></title>
            <link>https://medium.com/datos-argentina/nuestros-destacados-de-agosto-2018-28cbe98eb66a?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/28cbe98eb66a</guid>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Mon, 03 Sep 2018 13:59:36 GMT</pubDate>
            <atom:updated>2018-09-03T14:02:12.049Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*q5rNDwsH-Le36-uEBPaBNg.png" /></figure><h3><strong>API del Servicio de Normalización de Datos Geográficos de Argentina</strong></h3><p>Con este nuevo servicio disponemos, de forma pública y gratuita, la posibilidad de normalizar direcciones, unidades territoriales y administrativas de todo el país.</p><p>Construimos una API basada en los datos abiertos publicados por el Instituto Nacional de Estadística y Censos (INDEC), el Instituto Geográfico Nacional (IGN) y la Base de Asentamientos Humanos de la República Argentina (BAHRA). Para que la construcción de datos tenga, desde el origen, la correcta denominación de las entidades geográficas. De esta forma se establece un protocolo común que facilita la creación de bases de datos con un estándar homogéneo.</p><p>Si te interesa saber más podés revisar la <a href="https://georef-ar-api.readthedocs.io/es/latest/">documentación</a> de la API y su <a href="https://medium.com/datos-argentina/datos-geogr%C3%A1ficos-un-servicio-de-normalizaci%C3%B3n-eecd32fe4d8d">post</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/845/1*5sYQ9aLd6mqn6-7T6UN1dQ.png" /></figure><h3>Conferencia Internacional de Datos Abiertos</h3><p>El 27 y 28 de septiembre se desarrolla la <a href="https://www.opendatacon.org/#/">Conferencia Internacional de Datos Abiertos IODC</a> (por sus siglas en inglés).</p><p>Es un evento que reúne a la comunidad global de datos abiertos para aprender, compartir, planificar y colaborar en el futuro de la apertura. La naturaleza única de este evento es que reúne en un solo lugar a una gran cantidad de participantes de todo el mundo, que buscan definir estrategias para impulsar el uso de datos abiertos tanto a nivel local como global.</p><p>Podés encontrar más datos en la <a href="https://www.opendatacon.org/#/agenda">agenda del evento</a>.</p><h3><strong>Participamos en la Media Party 2018</strong></h3><p>La Media Party es la conferencia productiva de medios más grande de América Latina. Donde el espíritu emprendedor, los datos abiertos, el software libre y el conocimiento abierto se reúnen para acelerar la innovación en los medios.</p><p>Reúne a emprendedores, periodistas, programadores de software y diseñadores de cinco continentes para trabajar juntos para el futuro de los medios de comunicación.</p><p>En este evento de tres días participamos dando charlas sobre nuestra <strong>Política de Apertura de Datos</strong> en la Administración Pública Nacional y también sobre <a href="https://github.com/datosgobar/taller-series-tiempo-mediaparty-2018">cómo podés usar la <strong>API de Series de Tiempo</strong></a> para facilitar tu trabajo con datos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/682/1*oRv7Vgp2lkG5hn7XyZxNeA.png" /></figure><h3>Charla sobre Inteligencia Artificial y Políticas Públicas</h3><p>Dentro de la Academia de Diseño de Políticas Públicas se debatió sobre los desafíos de gobernanza global que plantea la inteligencia artificial. Cómo actualizar las políticas públicas educativas en función de las nuevas tecnologías y qué habilidades se deberían fomentar y cuáles fueron las reformas educativas más exitosas.</p><p>Nos acompañaron: Kristina Persson (ex-ministra del Futuro de Suecia), Nicolas Miailhe (Presidente de la iniciativa The Future Society de la Universidad de Harvard), Kate Pounder (ex-asesora de gobierno de Australia para temas de economía digital), Eduardo Plastino (Economista Senior de Accenture Brasil). La charla fue moderada por Gonzalo Iglesias (Director Nacional de Datos e Información Pública de Argentina).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nk16ewWh2MOCuFD_254J8A.jpeg" /></figure><h3>Charla Inspira: “Programar como un nuevo lenguaje universal”</h3><p>El Viernes 31 de Agosto Lucila Rodríguez, Leonardo Ignacio Córdoba y Sebastián Ghelerman reflexionaron junto con empleados de la APN sobre la siguiente pregunta: ¿Por qué “programar” es un nuevo lenguaje universal que todos vamos a tener que hablar para desenvolvernos en la sociedad del siglo XXI?</p><p>Nos compartieron su propia visión e historia sobre cómo y por qué empezaron a programar, junto con consejos para quienes quieren empezar a aprender.</p><h3>Nuevos Nodos de Datos</h3><p>La Red de Nodos de Datos Abiertos de la APN suma un nuevo catálogo: durante el mes de agosto la <a href="https://www.presupuestoabierto.gob.ar/">Subsecretaría de Presupuesto</a> del Ministerio de Hacienda publicó su catálogo de datos siguiendo los estándares de la política de apertura. Ahora podés encontrar todos sus datos en <a href="http://datos.gob.ar/dataset?organization=sspre">datos.gob.ar</a>.</p><p><em>Si querés estar más informado sobre lo que hacemos y enterarte de nuestras actividades, </em><a href="https://docs.google.com/forms/d/13gN0QnHCqlwIjpawcSOZn75PUNWT_O3qLK_Brejq0CM"><em>podés inscribirte acá</em></a><em>.</em></p><p><em>Si te sirvió este post, hacé clic en el </em>👏 <em>acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=28cbe98eb66a" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/nuestros-destacados-de-agosto-2018-28cbe98eb66a">Nuestros destacados de Agosto-2018</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Competencia de Etiquetado de Textos Automático]]></title>
            <link>https://medium.com/datos-argentina/competencia-de-etiquetado-de-textos-autom%C3%A1tico-a37cb970a404?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/a37cb970a404</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[datos]]></category>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Mon, 27 Aug 2018 16:06:12 GMT</pubDate>
            <atom:updated>2018-08-27T16:06:12.979Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7WSTqNJZR6zUS1t0xNhbmQ.png" /></figure><p>Junto con la <em>Fundación Sadosky </em>y el <em>Ministerio de Justicia y Derechos Humanos</em>,<strong> lanzamos una competencia de aprendizaje automático</strong> para lograr un manejo más eficiente de textos legales. Acá te contamos en qué consiste esta competencia y cómo podés participar.</p><h3>¿Qué es una competencia de aprendizaje automático?</h3><p>Una competencia de aprendizaje automático (más conocido como <em>machine learning</em>) es un desafío en el que <strong>se les propone a los participantes desarrollar algoritmos que logren cumplir alguna tarea aprendiendo de muchos ejemplos</strong>. Quizá la competencia más famosa de este tipo sea el premio Netflix, que hace mas o menos diez años ofrecía un millón de dólares a quien pudiera mejorar su algoritmo de recomendación de películas.</p><p>Para entender mejor cómo funcionan estas competencias vamos a dar un ejemplo concreto. Supongamos que queremos desarrollar un sistema que sirva para el monitoreo de especies amenazadas en una dada región. La región cuenta con cámaras distribuidas en su territorio que nos brindan miles de imágenes diarias. Queremos identificar en cuáles de esas fotos se observa un animal de la especie buscada, por ejemplo, un Yaguareté. El desafío de aprendizaje automático consiste entonces en desarrollar un algoritmo que a partir de una foto, decida si ésta contiene o no un animal de esa especie. Para que puedan realizar la tarea, se les ofrece a los participantes de la competencia un<strong> conjunto de datos de entrenamiento</strong>; es decir una serie de ejemplos de los que el algoritmo pueda aprender. Los ejemplos serán fotos tomadas por el sistema de monitoreo que ya hayan sido etiquetadas por seres humanos con una etiqueta que indique si la foto contiene o no al animal buscado.</p><p>La particularidad de este tipo de desafíos es que <strong>la definición del objetivo a cumplir es muy precisa y su evaluación es cuantitativa</strong>. Es decir que hay una manera matemática de asignarle un puntaje a las soluciones propuestas por los participantes. A la forma de asignar puntajes se la suele llamar “métrica”. Una métrica sencilla consiste, por ejemplo, en contar la cantidad de aciertos que tiene el algoritmo propuesto (está métrica es sencilla pero no suele ser la mejor opción.).</p><p>Para que pueda realizarse esta puntuación, se entrega a los participantes, además del conjunto de datos de entrenamiento, un <strong>conjunto de datos de evaluación</strong> que contiene solamente fotos sin etiquetar. Los equipos usan sus algoritmos para intentar predecir la etiqueta correspondiente a cada foto y envían sus respuestas a los organizadores de la competencia. Los organizadores comparan las predicciones con las etiquetas reales de cada foto (provistas por etiquetadores humanos) y asignan el puntaje según la métrica. Este paso suele ser automático, es decir que es una computadora la que calcula automáticamente el puntaje y coloca a los participantes en una tabla de posiciones en el sitio web donde se aloja la competencia.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ASYe0AW9uC1ICwZlEOGI2g.png" /></figure><h3>¿De qué trata la Competencia de Etiquetado de Textos Automático?</h3><p>En este caso el desafío que proponemos consiste en desarrollar un algoritmo que pueda sugerir términos que indiquen las temáticas principales de un dado texto legal (por ejemplo una ley). Esto permitiría agilizar la tarea de indexado de las decenas de miles de textos legales contenidos en las bases de los sistemas de información jurídica (<a href="http://www.saij.gob.ar/quienes-somos">SAIJ</a> / <a href="http://www.infoleg.gob.ar/?page_id=310">Infoleg</a>) que aún se encuentran sin categorizar. Estas bases son usadas cotidianamente por abogados, estudiantes, docentes y periodistas. Un indizado eficiente posibilita un acceso mucho más sencillo y fluido a este valioso recurso.</p><p>Como datos de entrenamiento te ofrecemos unos 25000 textos ya etiquetados para que uses de ejemplo. También te damos un conjunto de etiquetas válidas que son términos definidos y curados por los especialistas de SAIJ. Solo se pueden asignar a un texto etiquetas dentro de ese conjunto.</p><p>El área dentro de ciencias de la computación que estudia las distintas maneras en que una computadora puede trabajar con el lenguaje humano se llama “Procesamiento de Lenguaje Natural”. Algunos de sus conceptos y herramientas pueden serte útiles para pensar soluciones al desafío.</p><h3>¿Cómo puedo participar?</h3><p>Participar es muy fácil. Tenés que entrar a <a href="https://metadata.fundacionsadosky.org.ar/competition/2/">este link</a>, descargar los datos de entrenamiento, los de evaluación y seguir una guía sencilla para hacer tu primer envío. Una vez que lo hayas hecho vas a ver aparecer tu nombre en la tabla de posiciones que está a la derecha.</p><h3>Pero, no sé nada de procesamiento de lenguaje natural…</h3><p>Una competencia de este estilo es la mejor excusa para juntarse con amigos y empezar a aprender. Hay una gran cantidad de recursos en línea, libros, videos y tutoriales.</p><p>En la página de la competencia vas a encontrar un pequeño <a href="https://metadata.fundacionsadosky.org.ar/media/saij/CETA_tutorial.ipynb">tutorial</a> hecho en python con un ejemplo de una posible solución al desafío. Si querés leer una introducción a la idea de <em>Espacio Semántico</em> (una idea que puede serte útil para encarar el desafío) podés ver este otro <a href="https://medium.com/datos-argentina/de-ciencia-y-m%C3%BAsica-procesamiento-del-lenguaje-natural-7897560fdd03">post</a> de nuestro equipo. También podés tomar ideas de nuestro repositorio en Github. El paquete <a href="https://github.com/datosgobar/textar">textar</a> es un pequeño motor para la búsqueda y clasificación de textos que usamos en Datos Argentina. Si querés leer sobre su funcionamiento y caso de uso, podés leer este <a href="https://medium.com/datos-argentina/procesamiento-de-lenguaje-natural-en-el-congreso-de-la-naci%C3%B3n-899dce726d66">post</a>.</p><p>¡Éxito!</p><p><em>Si te sirvió este post, hacé clic en el ❤ acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a37cb970a404" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/competencia-de-etiquetado-de-textos-autom%C3%A1tico-a37cb970a404">Competencia de Etiquetado de Textos Automático</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Nuestros destacados de Julio-2018]]></title>
            <link>https://medium.com/datos-argentina/nuestros-destacados-de-julio-2018-247595ec9a21?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/247595ec9a21</guid>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Mon, 06 Aug 2018 13:16:55 GMT</pubDate>
            <atom:updated>2018-08-06T13:16:55.879Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oXXZ1e0NACMCNTXPK65smQ.png" /></figure><h3><strong>Lanzamos Desafío Ceta</strong></h3><p>CETA es una competencia para el etiquetado automático de textos legales. El desafío propuesto por los Ministerios nacionales de Justicia y Derechos Humanos y Modernización consiste en desarrollar algoritmos capaces de realizar clasificación multi-label de textos. Los participantes serán evaluados de acuerdo al MAP@10 (mean average precision con 10 ejemplos).</p><p>El desafío es parte del esfuerzo permanente del Sistema Argentino de Información Jurídica (SAIJ) por mantener una base actualizada, ordenada y accesible para quienes trabajan con textos legales en nuestro país.</p><p>Tenés tiempo para participar hasta el 9 de septiembre de 2018, <a href="http://bit.ly/desafioceta">podés inscribirte acá</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/729/1*jLZxttbNxHnC3doZNhlT7Q.png" /></figure><h3><strong>Nos invitaron al curso de Ciencia de Datos en Digital House</strong></h3><p>Como parte de las clases de cierre del curso de <a href="https://www.digitalhouse.com/curso/data-science/">Ciencia de Datos de Digital House</a>, compartimos con los asistentes interesantes discusiones sobre la política de apertura de datos de la Administración Pública Nacional, cómo pensar la gestión segura de datos personales, cómo crear (y usar) productos digitales basados en datos y qué desafíos se vienen para adelante.</p><h3><strong>Nuevos Nodos de Datos</strong></h3><p>Sigue creciendo la comunidad de datos abiertos dentro de la Administración Pública Nacional. Durante el mes de julio el <a href="http://datos.deis.msal.gov.ar/">Ministerio de Salud</a> lanzó su portal de datos abiertos y se incorporó a <a href="http://datos.gob.ar/dataset?organization=salud.">Datos Argentina</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/735/1*R7uN_ItwdiO8AM1tSJ9q7w.png" /></figure><p><em>Si querés estar más informado sobre lo que hacemos y enterarte de nuestras actividades, </em><a href="https://docs.google.com/forms/d/13gN0QnHCqlwIjpawcSOZn75PUNWT_O3qLK_Brejq0CM"><em>podés inscribirte acá</em></a><em>.</em></p><p><em>Si te sirvió este post, hacé clic en el </em>👏 <em>acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=247595ec9a21" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/nuestros-destacados-de-julio-2018-247595ec9a21">Nuestros destacados de Julio-2018</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Te presentamos una selección de las actividades que hicimos durante el mes de junio-18]]></title>
            <link>https://medium.com/datos-argentina/te-presentamos-una-selecci%C3%B3n-de-las-actividades-que-hicimos-durante-el-mes-de-junio-18-ef96e804c76f?source=rss-317b389ba188------2</link>
            <guid isPermaLink="false">https://medium.com/p/ef96e804c76f</guid>
            <category><![CDATA[datos-abiertos]]></category>
            <category><![CDATA[datos-argentina]]></category>
            <category><![CDATA[datos]]></category>
            <category><![CDATA[noticias]]></category>
            <category><![CDATA[actividades]]></category>
            <dc:creator><![CDATA[Datos Argentina]]></dc:creator>
            <pubDate>Fri, 13 Jul 2018 16:31:19 GMT</pubDate>
            <atom:updated>2018-07-13T16:31:19.943Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FfFRYollCkdB5Dwl7w4Xfw.png" /></figure><h3><strong>Nuevos Nodos de Datos</strong></h3><p>Hay cuatro nuevos nodos de datos abiertos, el <a href="https://datos.cultura.gob.ar/">Ministerio de Cultura</a>, el <a href="https://www.smn.gob.ar/descarga-de-datos">Servicio Meteorológico Nacional</a>, la <a href="https://www.argentina.gob.ar/aaip">Agencia de Acceso a la Información Pública</a> y la <a href="http://estadisticas.produccion.gob.ar/">Secretaría de Transformación Productiva del Ministerio de Producción</a>. Ahora estos organismos cuentan con datos públicos en formato abierto para que cualquiera pueda utilizarlos, ya podés consultarlos en <a href="http://datos.gob.ar/">datos.gob.ar</a></p><p>Los datos abiertos permiten que cualquier ciudadano pueda hacer un seguimiento de la gestión. De esta manera seguimos creando un gobierno más abierto y transparente para que pueda ser supervisado por todos. Además de poner los datos al servicio de posibles desarrollos de aplicaciones, gráficos, mapas, investigaciones, etc.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/729/1*PVu5QXjlZGXkdxjKgQRNNQ.png" /><figcaption>Nuevos nodos que se sumaron al Portal de Datos</figcaption></figure><h3><strong>Charlas de Visualización de datos y BigData</strong></h3><p>Dentro de las actividades de la Academia de Diseño de Políticas Públicas, capacitamos a equipos de gobierno sobre cómo realizar visualizaciones. Estuvimos en el Ministerio de Turismo junto a Vanina Ogueta y Alejandro Gregori compartiendo nuestra forma de trabajo para crear historias con datos. Este trabajo de capacitación corresponde con el objetivo de crear ambientes donde los empleados públicos se embeban de nuevos conocimientos. Para así mejorar la gestión y fomentar la innovación.</p><p>También, junto con el Ministerio de Producción, contamos con la presencia del especialista <a href="https://twitter.com/vazquezbrust">Antonio Vázquez Brust </a>que habló sobre Evaluación y BigData. Se indagó sobre las posibilidades que brindan las fuentes de datos al monitoreo y evaluación de políticas públicas y los factores que influyen en su utilización y aplicación.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/735/1*mJ2hpaOqeuCaaXx2uAKgQg.png" /></figure><h3><strong>Curso virtual de Introducción a los Datos Abiertos</strong></h3><p>Dentro de las actividades del Laboratorio de Gobierno, la Academia de Diseño de Políticas Públicas, en conjunto con la Dirección Nacional de Datos Abiertos y el Instituto Nacional de la Administración Pública (INAP), desarrolló un curso virtual para empleados de la Administración Pública Nacional. Este curso cubre todo el territorio nacional y dependencias estatales en las provincias y acerca un contenido innovador y de frontera en el Estado.</p><p>La comprensión de este material brinda herramientas para la gestión pública, contribuyendo al desarrollo de estados más abiertos y cercanos a las necesidades de su ciudadanía. Los ejes temáticos son:</p><ul><li>Conceptos y fundamentos de los datos abiertos</li><li>Abordaje a metodologías de análisis de datos</li><li>Beneficios de tener datos abiertos</li><li>Instrucciones y pasos a seguir para afianzar procesos de apertura</li></ul><p>Si trabajás en el estado acá podés hacer la <a href="https://sai.inap.gob.ar/inscripcion_web.dhtml?comi_codigo=29847">pre-inscripción</a>.</p><h3><strong>800 series de tiempo</strong></h3><p>Se incorporaron 800 nuevas series de estadísticas productivas a la <a href="http://series-tiempo-ar-api.readthedocs.io/">API de Series de Tiempo</a>.</p><p>Podés sumar esta API a tus planillas, sistemas y flujos de trabajo con datos para facilitar tu acceso a indicadores y mantener actualizados tus informes, modelos y presentaciones.</p><p>Leé más sobre la <a href="https://medium.com/datos-argentina/series-de-tiempo-datos-como-servicio-6134e89194b6">API de Series de Tiempo</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/735/1*ATiZpVlIuAwAGFQdZL5BCA.png" /></figure><h3><strong>DATOS.GOB.AR es ANDINO</strong></h3><p>Nuestro <a href="http://datos.gob.ar/">portal de datos</a> se convirtió en un <a href="http://andino.datos.gob.ar/">Andino</a>. Una plataforma de código abierto que ofrecemos a toda la administración pública nacional, provincial y municipal, para que generen sus propios portales de datos. En estos publican información en formato abierto sobre la gestión de los recursos y acciones del Estado.</p><p>Si te interesa el tema de <a href="https://medium.com/datos-argentina/andino-y-m%C3%A1s-all%C3%A1-c932d40c2fe9">portales de datos abiertos, aquí te explicamos más</a>. Si querés crear un portal de datos podés escribirnos por <a href="/service/mailto:datos@modernizacion.gob.ar">mail</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/735/1*ZT0v6sCBHsUpMYCBqDzyVg.png" /></figure><p><em>Si querés estar más informado sobre lo que hacemos y enterarte de nuestras actividades, </em><a href="https://docs.google.com/forms/d/13gN0QnHCqlwIjpawcSOZn75PUNWT_O3qLK_Brejq0CM"><em>podés inscribirte acá</em></a><em>.</em></p><p><em>Si te sirvió este post, hacé clic en el </em>👏 <em>acá abajo, así más personas se suman a #DatosArgentina.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ef96e804c76f" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datos-argentina/te-presentamos-una-selecci%C3%B3n-de-las-actividades-que-hicimos-durante-el-mes-de-junio-18-ef96e804c76f">Te presentamos una selección de las actividades que hicimos durante el mes de junio-18</a> was originally published in <a href="https://medium.com/datos-argentina">Datos Argentina</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>