En un portal de datos abiertos conviven una gran cantidad de fuentes de datos de distinta naturaleza, con diversos contenidos y formatos. Por ello es necesario proporcionar a cada archivo, recurso o contenido de la red, un contexto o definición que permita a las personas, y también a las máquinas, interpretar su significado. Es aquí donde entra el concepto de Linked data.

Linked Data o datos enlazados permite usar la web como una única gran base de datos global. Siguiendo este paradigma de publicación los datos quedan disponibles contextualizados e interconectados para su reutilización. Linked Data surgió a partir del proyecto de la Web Semántica inspirado por Tim Berners-Lee, padre de la Web, de la necesidad de introducir información de contexto en forma de metadatos en la Web.

El documento “LinkedData como modelo de datos abiertos” explica de forma breve los conceptos básicos para entender cómo funciona la web semántica y los datos enlazados, como es el caso de las URIs o identificadores únicos de recursos, las ontologías o los vocabularios que permiten describir relaciones entre ellos, para centrarse en cómo Aragón ha implementado estas tecnologías para desarrollar distintos servicios, como por ejemplo:

• La Estructura de Información Interoperable (EI2A), una ontología que homogeniza estructuras, vocabularios y características para dar respuesta a la diversidad y heterogeneidad de datos existentes dentro de la Administración, en el marco de Aragón Open Data. El documento explica algunas de las ontologías y vocabularios usados para el desarrollo.
• El Identificador Europeo de Legislación (ELI), que permite acceder online a la legislación en un formato formalizado que facilita su reutilización.
• La infraestructura semántica en Aragón Open Data, donde destaca el uso dela herramienta Virtuoso para el almacenamiento de los datos enlazados. El documento explica cuáles son las características de este servidor universal, cuya arquitectura permite la persistencia de datos en formatos RDF-XML, entre otros. Además, se explica cómo funciona el banco que almacena tripletas de forma nativa para la relación entre recursos y se muestran ejemplos de servicios de Aragón Open data que explotan dichas tripletas de datos como Aragopedia y Aragón Open Data Pool.

A continuación, puedes descargar el documento completo.

Este documento forma parte de la serie de materiales didácticos y artículos tecnológicos que está realizando Aragón open Data con el fin de explicar cómo han desplegado distintas soluciones para dar respuesta a las necesidades de localización, acceso y reutilización de los distintos conjuntos de datos. Puedes completar su lectura con otro volumen de la serie: “Cómo implementar CKAN: caso real del portal Aragón Open Data”.

Aragón Open Data es una de las iniciativas de datos abiertos más activas del panorama español. Además de la puesta en marcha, gestión y mantenimiento de un catálogo de datos interoperable, desde su inicio han llevado a cabo acciones para acercar la cultura de los datos abiertos a ciudadanos, empresas y todo tipo de organizaciones. Estas iniciativas abarcan el desarrollo de servicios para ofrecer los datos y facilitar su reutilización de forma sencilla como Aragopedia, Open Social Data o la reciente Aragón Open Data Focus (más información disponible en esta entrevista). Aragón Open Data es la iniciativa de datos abiertos del Gobierno de Aragón, Departamento de Ciencia, Universidad y Sociedad del Conocimiento, Dirección General de Administración Electrónica y Sociedad de la Información cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) “Construyendo Europa desde Aragón”.

Dado el conocimiento que atesoran, no es de extrañar que hayan comenzado a desarrollar materiales didácticos y artículos tecnológicos con el fin de explicar cómo han desplegado distintas soluciones para dar respuesta a las necesidades de localización, acceso y reutilización de los distintos conjuntos de datos.

A continuación, se recoge uno de estos materiales, centrado en explicar cómo han implementado la solución de software CKAN para mejorar la disponibilidad de datos en el portal.

CKAN como solución software de gestión de datos abiertos en un caso real para el portal Aragón Open Data

CKAN es una plataforma de código abierto, gratuito y libre, desarrollada por la Open Knowledge Foundation, que sirve para publicar y catalogar colecciones de datos. Debido a sus carácter libre y gratuito, así como a su rápida implementación, se ha convertido en un referente a nivel mundial para la apertura de datos.

Desde su nacimiento en 2012, Aragón Open Data ha apostado por tecnología CKAN para la gestión de su sistema de datos abiertos. El documento “CKAN, piedra angular para la gestión de un sistema de datos abiertos” nos muestra cómo funciona su arquitectura y sirve de ejemplo a otras iniciativas que quieran poner en marcha una plataforma de este tipo.

En el documento se relatan los retos que se encontraron a la hora de migrar la plataforma original a una versión superior y cómo lo solucionaron con la construcción de una aplicación cliente. Este proceso generó como resultado la arquitectura actual del portal que se recoge en la siguiente figura:

El backend de CKAN está desarrollado íntegramente en Python, con un frontal propio en Javascript, y permite desplegar una capa de servicios gestionable desde una API, y  utilizar plugins base o extensiones que aportan funcionalidades adicionales a la plataforma. CKAN se apoya en una base de datos PostgreSQL, donde se almacenan los conjuntos de datos que alberga, sus recursos y demás metadatos necesarios para el funcionamiento de la plataforma, y hace uso de Solr, un motor de búsqueda que ayuda a agilizar la localización y disponibilidad de los conjuntos de datos.

Además de explicar esta arquitectura, el documento aborda las funcionalidades y extensiones utilizados  en la instancia de CKAN personalizada, y cómo el conjunto de componentes integrados en la plataforma: Angular, NodeJS, PostgreSQL y Solr conviven para disponer conjuntos de datos que son la base para el desarrollo de servicios y soluciones de datos abiertos como Presupuestos de Aragón o el ya mencionado Aragón Open Data Focus.

CKAN incorpora una extensión que permite soportar serializaciones de datos en RFD que, además de permitir la exposición de datos enlazados en formatos como RDF-XML o Turtle, se utiliza para federar conjuntos de datos que siguen la especificación DCAT de metadatos, lo que hace de CKAN una plataforma más versátil y apropiada para la publicación de Linked Data, algo que también ha hecho Aragón Open Data como podemos ver en este otro documento.

Puedes descargar el documento “CKAN como solución software de gestión de datos abiertos en un caso real para el portal Aragón Open Data” a continuación. Además, puedes complementar su lectura con estos dos artículos adicionales:

• Recolección automática de datos abiertos: Explica cómo Aragón Open Data federa datos abiertos utilizando un plugin de CKAN.
• Arquitectura ELK como herramienta de datos abiertos: Explica cómo Aragón Open Data utiliza una arquitectura basada en el stack tecnológico ELK  (Elasticsearch, Logstash y Kibana).

En España existen un gran número de iniciativa de datos, tanto locales, como regionales y estatales. Para armonizar este ecosistema, datos.gob.es se alza como un punto de acceso único, facilitando que los reutilizadores puedan encontrar en un único espacio la información que demandan. Además, datos.gob.es federa con el European Data Portal (EDP), por lo que las iniciativas españolas dadas de alta en el catálogo ganan visibilidad a nivel internacional.  

Para que los datos de una iniciativa de datos abiertos de nuestro país aparezcan en el catálogo de datos.gob.es es necesario seguir una serie de pasos sencillos. El primero de ellos es solicitar una cuenta de usuario, a través de este formulario. Las cuentas de usuario están reservadas solo a los organismos o entidades publicadoras de datos abiertos; no son necesarias para poder acceder o descargar conjuntos de datos del catálogo. El siguiente vídeo te explica que debes hacer para obtener tu cuenta de usuario:

Una vez registrado, el usuario publicador podrá dar de alta sus conjuntos de datos de dos maneras distintas: 

1. Manual: Implica dar de alta cada datasets de manera individual, completando para cada conjunto de datos un formulario donde se detallan sus metadatos de forma manual. 
2. Automática (federada): El alta y actualización se hace de forma periódica a partir de un fichero RDF donde se incluyen los metadatos disponibles a través de una url en el sitio web del publicador. Ya no es necesario trabajar individualmente con cada dataset, sino que se el proceso puede abarcar automáticamente a varios conjuntos de datos. 

datos.gob.es también realiza un análisis exhaustivo para garantizar que los metadatos cumplen los estándares de calidad. Entre otras acciones, se comprueba si los metadatos son válidos, se analizan los enlaces rotos y se chequean las distribuciones. 

La siguiente infografía recoge el proceso de manera sencilla. Pulsa en las flechas laterales para cambiar de diapositiva. Puedes descargar la infografía completa al final del artículo.

Si tienes cualquier duda o comentario, puedes ponerte en contacto con el equipo de soporte de datos.gob.es.

El procesamiento del lenguaje natural es hacer que las máquinas (los ordenadores) entiendan el lenguaje humano: hablado o en forma de texto. De manera más formal, el procesamiento del lenguaje natural es un campo híbrido entre la informática y la lingüística, que utiliza diferentes técnicas, algunas de ellas basadas en inteligencia artificial, para interpretar el lenguaje humano.

En este informe, elaborado por el experto en transformación digital Alejandro Alija, veremos cómo el procesamiento del lenguaje natural está mucho más cerca de nuestro día a día de lo que podemos pensar inicialmente. Aplicaciones como la traducción automática de textos; el análisis de sentimiento en redes sociales; las búsquedas que realizamos en internet; la generación de resúmenes meteorológicos o las sencillas peticiones que hacemos a nuestro altavoz inteligente, tienen una fuerte componente tecnológica de procesamiento del lenguaje natural.

El peso específico que el procesamiento del lenguaje natural tiene (y va a tener) en la industria y en la economía es cada vez mayor, puesto que la mayoría de los datos que se producen en el mundo (fundamentalmente a través de Internet) son datos en forma de textos y voz (datos desestructurados). Los datos abiertos juegan un papel crucial para esta tecnología. Los algoritmos de inteligencia artificial que se usan para analizar y entender el lenguaje natural, requieren de una ingente cantidad de datos de calidad para ser entrenados. Multitud de estos datos proceden de los repositorios de datos abiertos de instituciones tanto públicas como privadas.

A lo largo de este informe, se repasa la historia del procesamiento del lenguaje natural, desde sus inicios hasta nuestros días. Además, en la sección Inspire, se describen algunos de los casos de uso más representativos que aprovechan el potencial del procesamiento del lenguaje natural. La predicción de texto al escribir un nuevo email, la clasificación de textos en categorías o la generación de noticias falsas, son solo algunos de los casos que se repasan en este informe.

Finalmente, para aquellos lectores más entusiastas, en la sección Action, se desarrolla un caso de uso completo (utilizando herramientas de programación) sobre el análisis de sentimiento en conversaciones sobre debates públicos ciudadanos.

El informe finaliza con un listado de recursos y lecturas para que aquellos usuarios que deseen continuar ampliando sus conocimientos sobre Inteligencia Artificial.

A continuación, puedes acceder a cada una de las secciones del informe:

 

También puedes descargarte el informe completo y el resto de materiales adicionales en los siguientes enlaces:

Nota: El código publicado pretende ser una guía para el lector, pero puede requerir de dependencias externas o configuraciones específicas para cada usuario que desee ejecutarlo.​

Estrenamos una nueva serie de informes en datos.gob.es, que bajo la metodología “Awareness, Inspire, Action” trata de explicar cómo funcionan distintas tecnologías emergentes y su relación con los datos abiertos. El objetivo es introducir en la materia al lector mediante el empleo de casos de uso prácticos, sencillos y reconocibles.

El primer informe de la serie está dedicado a la Inteligencia Artificial. Podemos definir la Inteligencia Artificial (IA) como la capacidad de una máquina para imitar la inteligencia humana. Esta tecnología tendrá un gran impacto en nuestras vidas, mediante dos vías: la automatización de tareas cotidianas, rutinarias y peligrosas y el aumento de las capacidades humanas, ayudando a potenciar la fuerza del trabajo del futuro.

El informe ha sido elaborado por Alejandro Alija, experto en Transformación Digital e Innovación, y aborda los siguientes contenidos:

• El informe comienza con la sección de Awareness donde se explica el concepto de IA de manera sencilla, esbozando brevemente dos de sus sub-campos: el Machine Learning y el Deep Learning. Esta sección también incluye una breve reseña histórica, donde se repasa la evolución de la IA, y se recopilan y explican los factores que la hacen posible.

• A continuación, en la sección de Inspire se profundiza en los casos de uso de la IA. Para ello el autor ha tomado como referencia sus dos áreas de impacto: la IA como amplificador del lenguaje humano, con tareas como la traducción de informes o la conversión del lenguaje escrito al hablado (y viceversa), y la IA como extensión de la visión humana, ilustrada a través de ejemplos de uso del reconocimiento y clasificación de imágenes. 

• Por último, en la sección Action se desarrolla uno de los casos prácticos mencionados en el apartado de Inspire: el reconocimiento y clasificación de imágenes. Para ellos se ha seleccionado un conjunto de imágenes disponible en el catálogo de datos de datos.gob.es (el Archivo fotográfico del Gobierno Vasco: imágenes sobre Euskadi y la actividad de Gobierno). Utilizando herramientas de IA, se ha procedido a clasificar las imágenes y anotar su descripción. Este ejemplo puede ser replicado por el lector ya que se ha puesto a su disposición el código necesario para su desarrollo.

El informe finaliza con un listado de recursos y lecturas para que aquellos usuarios que deseen continuar ampliando sus conocimientos sobre Inteligencia Artificial.

A continuación, puedes acceder a cada una de las secciones del informe:

 

También puedes descargarte el informe completo y el resto de materiales adicionales en los siguientes enlaces:

Nota: El código publicado pretende ser una guía para el lector, pero puede requerir de dependencias externas o configuraciones específicas para cada usuario que desee ejecutarlo.​

Los datos abiertos son uno de los elementos clave de las ciudades inteligentes (también llamadas Smart cities). La recopilación de información, su análisis y su uso permiten hacer frente a muchos de los  desafíos a los que se enfrentan las ciudades actualmente, como la creación de servicios públicos que den respuesta a una población cada vez mayor.

De todos los conjuntos de datos abiertos que se publican en las ciudades, los datos en tiempo real aportan múltiples ventajas. Conocer la situación de nuestras ciudades en tiempo real puede servir para tomar decisiones y mejorar la eficiencia en la movilidad urbana, la gestión energética o las condiciones ambientales, entre otros aspectos.

En este contexto, el informe “Datos abiertos en tiempo real: casos de uso para ciudades inteligentes” busca impulsar la apertura de este tipo de datos mostrando las ventajas de su uso. El informe analiza la relación entre datos abiertos y ciudades inteligentes, y muestra una serie de conjuntos de datos que las entidades locales deberían publicar en tiempo real, de acuerdo con el informe “Datos Abiertos 2019 - 40 conjuntos de datos a publicar por las Entidades Locales”, de la FEMP (Federación Española de Municipios y Provincias). Estos conjuntos de datos pertenecen a los ámbitos del transporte y la movilidad -  aparcamientos públicos, bicicletas públicas, tráfico, transporte público - , y el medio ambiente – calidad del aire y contaminación acústica-.

Cada conjunto de datos se ha analizado destacando algunos casos de uso y ejemplos de reutilización, prestando especial atención al impacto positivo que tienen para la ciudadanía. También se han abordado las tecnologías implicadas en su despliegue, los stakeholders afectados o los desafíos futuros, entre otros factores.

Las conclusiones del análisis quedan recogidas en cada una de las fichas que puedes ver a continuación:

Conjuntos de datos

 

También puedes descargarte el informe completo y el resto de materiales adicionales en los siguientes enlaces.

El próximo 25 de septiembre, la Secretaría de Estado para el Avance Digital organiza la jornada Infoday sobre tecnologías del lenguaje. El evento se enmarca dentro de la XXXV Conferencia Internacional de la SEPLN (Sociedad Española para el Procesamiento del Lenguaje Natural) y de las actividades de difusión del Plan de Impulso de las tecnologías del Lenguaje, cuyo objetivo es fomentar el desarrollo del procesamiento del lenguaje natural y la traducción automática en lengua española y lenguas cooficiales.

Con este evento se quiere mostrar y resaltar la importancia de las campañas de procesamiento del lenguaje natural en todos los ámbitos, pero especialmente el campo de la sanidad y la biomedicina, así como concienciar sobre los distintos elementos necesarios para que los proyectos de tecnologías del lenguaje lleguen a buen fin, como pueden ser los datos abiertos.

La jornada se desarrollará en horario de mañana de 9:00 a 14:00 en la sede de la Universidad del País Vasco, en Bilbao (Avenida Abandoibarra, 3), y se estructura en dos partes:

• Parte I: Avances del Plan de Impulso a las tecnologías del lenguaje (Plan TL). En la primera parte del evento se abordarán las principales iniciativas que se están llevando a cabo dentro del Plan TL. Se pondrá el foco en algunos aspectos destacados, como las infraestructuras lingüísticas y los proyectos europeos de traducción automática. Además, se mostrarán los resultados de algunos de los últimos estudios realizados. Uno de estos trabajos es “Datos reutilizables como recursos lingüísticos”, cuya ponencia defenderá Leonardo Campillos, de la Universidad Autónoma de Madrid (UAM), y que ha sido realizado con financiación de la Secretaría de Estado para el Avance Digital y Red.es dentro del ámbito del Plan TL. 

• Parte II: Campañas de evaluación en sanidad. En la segunda parte, se analizará la situación de las distintas campañas realizadas en el campo de la sanidad y la biomedicina, prestando especial atención a las tareas de anonimización. Para ello se realizarán dos mesas redondas, que llevan por título “Campañas de evaluación, experiencias, necesidades, impacto y visión de participantes” y “Protección de datos de salud, aspectos legales, transferencia de conocimiento, soluciones PLN clínicos y oportunidades para la academia e industria de TL”.

A través de esta agenda se busca generar un espacio para intercambiar experiencias, que permitan evitar duplicidades y aprovechar sinergias entre los distintos actores involucrados en el universo de las tecnologías del lenguaje:  entidades públicas, empresas privadas, sector académico, investigadores, etc.

La asistencia al evento es gratuita, pero para poder asistir es necesario registrarse previamente a través de este enlace.

El European Data Portal (EDP) pone a disposición de los usuarios un programa formativo online, diseñado para difundir qué son los datos abiertos y cómo están cambiando la vida de todos los habitantes de nuestro planeta. Dicho programa consta de 16 módulos, que ayudan a familiarizarse con los distintos aspectos del ecosistema de datos abiertos: desde conceptos básicos hasta tendencias presentes y futuras, pasando por casos de éxito y buenas prácticas de publicación, acceso y uso.

Hasta ahora, estos contenidos estaban disponibles en idiomas como el inglés y el francés, pero, gracias a la colaboración con la Iniciativa Aporta, el EDP acaba de publicar todos los módulos en español. 

Los materiales formativos están dirigidos a todo tipo de usuarios interesados en el mundo de los datos abiertos, desde usuarios básicos que desean obtener una idea general hasta expertos en la materia. Cada módulo se puede realizar en unos 15-30 minutos, aunque todos disponen de dos horas de contenido adicional para aquellos usuarios avanzados que quieran profundizar en determinados aspectos. 

Desde el EDP, recomiendan realizar los dieciséis módulos por orden para obtener una base sólida de conocimientos sobre los distintos aspectos de los datos abiertos. No obstante, si prefiere centrarse en un tema en particular, puede dirigirse directamente al módulo correspondiente.

Los 16 módulos ya disponibles en español son:

Unidades didácticas

Esta obra está bajo una licencia de Creative Commons Reconocimiento-CompartirIgual 4.0 Internacional.

En el mundo digital, los datos se convierten en un activo fundamental para las empresas. Gracias a ellos, pueden conocer mejor su entorno, negocio y competencia, y tomar decisiones oportunas en el momento adecuado.

En este contexto, no es de extrañar que cada vez más compañías busquen perfiles profesionales con capacidades digitales avanzadas. Trabajadores que sean capaces de buscar, encontrar, procesar y comunicar historias apasionantes sustentadas en los datos.

El informe "Cómo generar valor a partir de los datos: formatos, técnicas y herramientas para analizar datos abiertos" tiene como objetivo orientar a aquellos profesionales que deseen mejorar las competencias digitales destacadas anteriormente. En él se exploran diferentes técnicas para la extracción y el análisis descriptivo de los datos contenidos en los repositorios de datos abiertos. 

El documento se estructura de la siguiente manera: 

• Formatos de datos. Explicación sobre los formatos de datos más habituales  que se pueden encontrar en un repositorio de datos abiertos, prestando especial atención al csv y json.

• Mecanismos de intercambio de datos a través de La Web. Recopilación de ejemplos prácticos que ilustran cómo extraer datos de interés de algunos de los repositorios con más populares de Internet. 

• Principales licencias. Se explican los factores que hay que tener en cuenta al trabajar con distintos tipos de licencias, orientando al lector hacia su identificación y reconocimiento. 

• Herramientas y tecnologías para el análisis de datos. Esta sección se vuelve ligeramente más técnica. En ella, se muestran diferentes ejemplos de extracción de información útil de los repositorios de datos abiertos, haciendo uso de algunos fragmentos cortos de código en diferentes lenguajes de programación.

• Conclusiones. Se ofrece una visión tecnológica de futuro, con la mirada puesta en los más jóvenes, quienes constituirán la fuerza de trabajo del futuro.

El informe está orientado hacia un público general no especialista, aunque aquellos lectores familiarizados con el tratamiento e intercambio de datos en el mundo web se encontrarán con una lectura familiar y reconocible.

A continuación puedes descargar el texto completo, así como el resumen ejecutivo y una presentación resumen.

Nota: El código publicado pretende ser una guía para el lector, pero puede requerir de dependencias externas o configuraciones específicas para cada usuario que desee ejecutarlo.​