Roque Leal

Soy un Ge贸grafo interesado en el modelado del espacio-tiempo y sus visualizaciones

Para ello combino el aprendizaje profundo de los datos, sistemas de informaci贸n geogr谩fica junto a programaci贸n creativa para generar productos novedosos y convincentes. Actualmente mis proyectos se enfocan en inteligencia de negocios utilizando herramientas de optimizaci贸n.

Disfruto compartir ideas y t茅cnicas innovadoras en el an谩lisis avanzado de los datos. Te invito a contactarme,

actualmente me encuentro en la b煤squeda de nuevos retos profesionales con disponibilidad inmediata para hacer despegar sus Proyectos 馃殌

  • El GBIF (Infraestructura Mundial de Informaci贸n sobre Biodiversidad) recopilar informaci贸n de las observaciones de las especies a nivel mundial, de all铆 que consultaremos las especies del convenio de Protecci贸n de especies CITES y ubicaremos su distribuci贸n espacial en Venezuela.
  • 馃嚚馃嚧 #UberBogot谩 a prop贸sito del regreso de Uber les invito a descubrir la aplicaci贸n del algoritmo de #machinelearning K-means para segmentar espacialmente las zonas donde se produce la recogida y llegada de los usuarios de Uber en Bogot谩.
  • 2 Millones de registros nos permiten conocer la disponibilidad del Sistema Ecobici de la Ciudad de Buenos Aires durante una semana.
  • 隆Cinco de mis proyectos en la ronda Semifinal! Te invito a descubrir las mejores historias contadas a trav茅s de los Datos.
  • Los deportes son espacios donde convergen muchas emociones, especialemente en Instagram para el #TourdeFrance me he permitido extraer los post y estructuralos en una visualizaci贸n din谩mica y temporal de las inteacciones.
  • Invitado al Blog de Mapbox, una serie de mis DataViz favoritos para compartir ideas y la forma de usar los datos para revelar incre铆bles Geoinsights y comunicar innovadoras ideas.
  • Me he centrado en los datos y las oportunidades para comprender mejor las ciudades inteligentes, en este ejemplo, me estoy divirtiendo usando los datos de Waze con scripts Python y R en Power BI que interact煤an en Mapbox Visual para analizar los cambios en el tr谩fico la congesti贸n de los veh铆culos en San Francisco en el transcurso de una semana.
  • Host para compartir y viralizar el conocimiento de los principales yacimientos de crudo y gas del mundo.
  • Aplicaci贸n de algoritmos de Machine Learning para la toma de decisiones basadas en datos del API de Foursquare en la ciudad de Buenos Aires, utilizando herramientas de visualizaci贸n geniales en nuestros jupyter notebook.
  • Per煤 una exploraci贸n de los usuarios de Airbnb, es posible usar los datos de esta red social para descubrir interesantes insights en Lima, Cusco, Trujillo y todo el territorio peruano desde una nueva visi贸n para entender el mercado inmobiliario y el sector tur铆stico.
  • Modelo del sistema Metro de Santiago de Chile 馃嚚馃嚤 desarrollado en Processing gracias al API de TransitLand y las librer铆as Pandas de Python 馃殗.
  • El fen贸meno de las migraciones a trav茅s de los datos de Naciones Unidas para visualizar los flujos Origen-Destino utilizando las librer铆as del equipo de flowmap.blue para explorar los datos interactivamente.
  • Utilizaremos datos de Uber para Ciudad de M茅xico a manera de conocer la din谩mica de usuarios y conductores.
  • En esta oportunidad mi curiosidad se enfoca en un contexto global, analizar los temores de seguridad mar铆tima en el Estrecho de Ormuz, una ruta vital para el env铆o de petr贸leo. Utilizar Python y los datos de Marine Traffic son la combinaci贸n perfecta para representar una peque帽a parte del enrutamiento de los tanqueros petroleros, identificando las 谩reas sensibles del transporte de petr贸leo, actores y la l铆nea de tiempo de las recientes tensiones en el Golfo.
  • Muestra una gran cantidad de fotos en un mapa altamente interactivo. Explora fotos de todos los lugares con Flickr.
  • Una mirada contempor谩nea al mercado inmobiliario para Latam, analizando la web de Properati es posible conocer la din谩mica espacial de los 54 mil inmuebles disponibles para Ecuador. Sin duda, un primer acercamiento para comprender el panorama inmobiliario a trav茅s de una visualizaci贸n interactiva de los datos.
  • En esta ocasi贸n me permito republicar la primera rese帽a de OilMap en esta oportunidad MapBox y su equipo comparten sus primeras impresiones de mi proyecto; sin su ayuda no seria posible crear mapas y visualizaciones sorprendentes.
  • Localizar una tendencia en #Instagram y visualizar las relaciones en un mapa, es posible programar un algoritmo y entrenarlo con Machine Learning para identificar los principales post asociados al #GiroDItalia ubicando los usuarios desde el mismo lugar donde sucede el evento y descubriendo una nueva forma de ver este evento.
  • 鈥溌as personas que aman comer siempre son las mejores personas!鈥 Por el amor a la comida, decid铆 explorar TripAdvisor. Esta visualizaci贸n incluye informaci贸n sobre los restaurantes en M茅xico utilizando Python y el poder de MapBox y PowerBi.
  • Se analizan los datos de 54 tiendas pertenecientes a una importante red de supermercados del Ecuador, a manera de conocer el comportamiento de sus clientes, proponer un modelo de agrupamiento y presentar un escenario de pron贸stico de transacciones.
  • Abstracci贸n de una agrupaci贸n granular de datos para alcanzar un nuevo significado del espacio-tiempo.
  • A prop贸sito de Uber y sus herramientas OpenSource de visualizaci贸n de datos, comparto una visualizaci贸n de la Poblaci贸n Empleada en Chile, teniendo por fuente un ejercicio de Geodatamining y la exploraci贸n del Here API麓s de geocodificaci贸n masiva.
  • En este Jupyter Notebook me permito proponer un modelo de pron贸stico a largo plazo del precio spot del petr贸leo crudo West Texas Intermediate (WTI) utilizando el nivel de inventario de petr贸leo de Estados Unidos y basado en los datos alojados en la web del Energy Information Administration (EIA).
  • Los datos disponibles y de uso p煤blico en la web son asombrosos, en este caso para representar un 20% de las empresas registradas en el Servicio de Impuestos Internos de Chile, utilizando t茅cnicas de Web scraping con Python y usar el API de Here para una geocodificaci贸n masiva y avanzada de los resultados, un total de 120.000 ubicaciones.
  • Contar historias con los datos, en Memoria a los Desaparecidos en la Argentina, una visualizaci贸n de un proceso que todos debemos recordar para que no vuelva a pasar, sin duda en ocasiones como esta, un dato es m谩s que una estad铆stica.
  • Continuamos explorando los eventos deportivos, en esta oportunidad La Vuelta Espa帽a 2019, analizando las etiquetas asociadas es posible contar con valiosas observaciones de las interacciones de los usuarios en Instagram representados en el espacio geogr谩fico.
  • Visuaizar el paisaje inmobiliario de Panam谩 utilizando datos de compraovende.com una forma 煤nica de ver nuestras ciudades.
  • Twitter es sin dudar una de las redes sociales de microblogging m谩s importante, m谩s a煤n por su versatilidad en analizar sus datos, por ello el 煤ltimo trimestre del 2019, comenc茅 a geocolizar tweets para Venezuela, en total fueron casi un Mill贸n de post que localizados nos presentan un mosaico de interacciones, idiomas, usuarios y comentarios en constante cambio, revelando los ocultos patrones geogr谩ficos de la comunicaci贸n y el comportamiento social.
  • Un colega me invito a seguir aplicando modelos con datos de Uber de manera que ahora te invito a explorar la ciudad de Bogot谩 para descubrir su din谩mica de tr谩fico.
  • El fen贸meno de las migraciones en Sur Am茅rica, causas y proyecciones de este fen贸meno es posible visualizar diferentes escenarios utilizando los datos de la ONU, el Banco Mundial y la Fundaci贸n para la Paz. En esta oportunidad utilizando Python y las librer铆as de Pandas, Numpy, GeoPandas y Seaborn basados en el modelo de System Dynamics para el estudio de la din谩mica de las poblaciones.
  • El primero de mayo del 2019, fue una fecha muy agitada en Venezuela por ello en esta primera entrega me he permitido extraer y presentar el potencial que tienen los datos de Instagram para visualizar un acontecimiento y conocer las repercusiones.
  • En Uber los datos que se recopilan permiten reflejar la movilidad de las ciudades, por primera vez es posible reflejar esta din谩mica en Quito, en esta visualizaci贸n se utilizan las herramientas de Kepler.gl y el poder de los datos de Uber para presentar al per铆odo de julio 2017 a julio 2018, parte de las interacciones reflejadas entre los conductores y usuarios de plataforma.
  • Twitter y Spark Juntos, obtiene los temas de tweet m谩s populares seg煤n una ubicaci贸n y seg煤n el volumen de tr谩fico en streaming de Twitter, permitiendo graficar diferentes variables de estas tendencias.
  • Una colecci贸n de Geoinsights de instagram asociados al #lamarchamasgrande ocurrida en Santiago de Chile.
  • Datos colectados a cada instante desde su origen hasta nuestro mapa, gracias a librer铆as de Phyton y Leaflet.js los datos de los diferentes precios del petr贸leo a nivel mundial cobran vida y nos muestran su comportamiento en tiempo real.
  • Una aproximaci贸n cient铆fica de diferentes m茅todos para colectar y analizar Twitter con herramientas de Python y de an谩lisis de sentimientos para el sector bancario del Ecuador.
Roque Leal

Te invito a compartir tus ideas

  • roqueleal@gmail.com
Su mensaje fue enviado en breve te respondere