Roque Leal

Soy un Geógrafo interesado en el modelado del espacio-tiempo y sus visualizaciones

Para ello combino el aprendizaje profundo de los datos, sistemas de información geográfica junto a programación creativa para generar productos novedosos y convincentes. Actualmente mis proyectos se enfocan en inteligencia de negocios utilizando herramientas de optimización.

Disfruto compartir ideas y técnicas innovadoras en el análisis avanzado de los datos. Te invito a contactarme,

actualmente me encuentro en la búsqueda de nuevos retos profesionales con disponibilidad inmediata para hacer despegar sus Proyectos 🚀

  • 150 Millones de personas en 330 Mil Grupos un increíble mapa que analiza Meetup para descubrir cuales son los entornos sociales, gustos, intereses y las dimensiones de la diversidad social mundial.
  • Conocer el comportamiento social con BigData analizando espacialmente Popular Times de Google Maps para localizar las horas populares, visitas y la duración habitual de los clientes.
  • La Biogeografía Venezolana con datos del GBIF localizando las observaciones de las especies vulnerables en Venezuela que se encuentran protegidas por el convenio de Protección de especies CITES.
  • Donde se encuentran los principales hoteles de Santiago de Chile utilizando datos de TripAdvisor y Location Intelligence para visualizar las oferta de los servicios hoteleros.
  • Como trasladarse en la ciudad de Bogotá con Uber y machine learning segmentando espacialmente las zonas recogida y llegada de los clientes.
  • 2 Millones de registros nos permiten conocer cuál es la disponibilidad del Sistema Ecobici de la Ciudad de Buenos Aires durante una semana.
  • ¡Cinco de mis proyectos en la ronda Semifinal! Te invito a descubrir las mejores historias contadas a través de los Datos.
  • Como Geolocalizar los post de Instagram: los deportes son espacios donde convergen muchas emociones, por ello utilizando el #TourdeFrance desarrollamos una visualización dinámica y temporal de las interacciones.
  • Invitado al Blog de Mapbox, una serie de mis DataViz favoritos para compartir ideas y la forma de usar los datos para revelar increíbles Geoinsights y comunicar innovadoras ideas.
  • Utilizando Waze y BigData con Mapbox para PowerBi es posible comprender mejor las ciudades inteligentes, analizando los cambios en el tráfico y la congestión del tráfico en San Francisco durante una semana.
  • Donde se encuentran los principales yacimientos petrolíferos, cuál es la infraestructura petrolera existente y el desarrollo de las actividades de Oil & Gas en el mundo.
  • Aplicación 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 visualización geniales en nuestros jupyter notebook.
  • Perú una exploración 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 visión para entender el mercado inmobiliario y el sector turístico.
  • Una, dos o tres estrellas... La guía Michelin dio a conocer las distinciones otorgadas a 2.615 Restaurantes, encuentre todos los establecimientos premiados en este mapa interactivo.
  • Modelo del sistema Metro de Santiago de Chile 🇨🇱 desarrollado en Processing gracias al API de TransitLand y las librerías Pandas de Python 🚇.
  • Conociendo la oferta gastronómica y turística de la ciudad de Guadalajara: un práctico caso de Data Intelligence y Machine Learning para el análisis del comportamiento social con Google Maps.
  • El fenómeno de las migraciones a través de los datos de Naciones Unidas para visualizar los flujos Origen-Destino utilizando las librerías del equipo de flowmap.blue para explorar los datos interactivamente.
  • Utilizaremos datos de Uber para Ciudad de México a manera de conocer la dinámica de usuarios y conductores.
  • En esta oportunidad mi curiosidad se enfoca en un contexto global, analizar los temores de seguridad marítima en el Estrecho de Ormuz, una ruta vital para el envío de petróleo. Utilizar Python y los datos de Marine Traffic son la combinación perfecta para representar una pequeña parte del enrutamiento de los tanqueros petroleros, identificando las áreas sensibles del transporte de petróleo, actores y la línea 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 contemporánea al mercado inmobiliario para Latam, analizando la web de Properati es posible conocer la dinámica espacial de los 54 mil inmuebles disponibles para Ecuador.
  • En esta ocasión me permito republicar la primera reseña 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.
  • Algoritmos de OSMnx para construir, proyectar, visualizar y analizar la red vial del Municipio Libertador - Caracas.
  • 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.
  • “¡Las personas que aman comer siempre son las mejores personas!” Por el amor a la comida, decidí explorar TripAdvisor. Esta visualización incluye información sobre los restaurantes en México 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 pronóstico de transacciones.
  • Abstracción de una agrupación granular de datos para alcanzar un nuevo significado del espacio-tiempo.
  • A propósito de Uber y sus herramientas OpenSource de visualización de datos, comparto una visualización de la Población Empleada en Chile, teniendo por fuente un ejercicio de Geodatamining y la exploración del Here API´s de geocodificación masiva.
  • En este Jupyter Notebook me permito proponer un modelo de pronóstico a largo plazo del precio spot del petróleo crudo West Texas Intermediate (WTI) utilizando el nivel de inventario de petróleo de Estados Unidos y basado en los datos alojados en la web del Energy Information Administration (EIA).
  • Los datos disponibles y de uso público 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 técnicas de Web scraping con Python y usar el API de Here para una geocodificación masiva y avanzada de los resultados, un total de 120.000 ubicaciones.
  • En Memoria a los Desaparecidos en la Argentina, una visualización de un proceso que todos debemos recordar para que no vuelva a pasar, sin duda en ocasiones como esta, un dato es más que una estadística.
  • Continuamos explorando los eventos deportivos, en esta oportunidad La Vuelta España 2019, analizando las etiquetas asociadas es posible contar con valiosas observaciones de las interacciones de los usuarios en Instagram representados en el espacio geográfico.
  • Visualizar el paisaje inmobiliario de Panamá utilizando datos de compraovende.com una forma única de ver nuestras ciudades.
  • Geolocalizar tweets para Venezuela, un mosaico de interacciones, idiomas, usuarios y comentarios en constante cambio, revelando los ocultos patrones geográficos de la comunicación y el comportamiento social de los venezolanos.
  • Un colega me invito a seguir aplicando modelos con datos de Uber de manera que ahora te invito a explorar la ciudad de Bogotá para descubrir su dinámica de tráfico.
  • El fenómeno de las migraciones en Sur América, causas y proyecciones de este fenómeno es posible visualizar diferentes escenarios utilizando los datos de la ONU, el Banco Mundial y la Fundación para la Paz. En esta oportunidad utilizando Python y las librerías de Pandas, Numpy, GeoPandas y Seaborn basados en el modelo de System Dynamics para el estudio de la dinámica 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.
  • Twitter y Spark Juntos, obtiene los temas más populares según una ubicación y según el volumen de tráfico en streaming de Twitter, permitiendo graficar diferentes variables de estas tendencias.
  • Una colección de Geoinsights de instagram asociados al #lamarchamasgrande ocurrida en Santiago de Chile.
  • Datos colectados en tiempo real desde su origen hasta nuestro mapa, gracias a librerías de Phyton y Leaflet.js los datos de los diferentes precios del petróleo a nivel mundial cobran vida y nos muestran su comportamiento en tiempo real.
  • Una aproximación científica de diferentes métodos para colectar y analizar Twitter con herramientas de Python y de análisis de sentimientos para el sector bancario del Ecuador.
  • Una visualización interactiva de los datos del INE 2010 para la ciudad de Guayaquil, espacializando todos los registros censales.
Roque Leal

Te invito a compartir tus ideas

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