Resolviendo el problema del aparcamiento en Madrid con Airflow y Streamlit - L. Merino & R. Navarro скачать в хорошем качестве

Resolviendo el problema del aparcamiento en Madrid con Airflow y Streamlit - L. Merino & R. Navarro

Madrid enfrenta un problema creciente de congestión de aparcamiento, especialmente en zonas céntricas donde encontrar una plaza libre puede ser un desafío. La falta de información en tiempo real sobre la disponibilidad de estacionamiento genera tráfico innecesario y aumenta la contaminación. En esta charla, veremos cómo aprovechar la API de Datos Abiertos del Ayuntamiento de Madrid para obtener información actualizada sobre plazas de aparcamiento con Python y Apache Airflow, automatizando su procesamiento y actualización. Mostraremos un pipeline de datos que obtiene y procesa información de aparcamiento automatizando su actualización. Además, integra la geolocalización del usuario para encontrar la plaza más cercana a través de una interfaz en Streamlit. Sobre Luis Merino: Soy un apasionado del desarrollo de software con experiencia en consultoría que cree firmemente en el poder transformador de la tecnología y cómo puede ayudar a mejorar la vida de las personas. Soy ingeniero de software por la Universidad Politécnica de Madrid, donde realicé mi trabajo final de grado, con una calificación sobresaliente, sobre transfer learning de una red neuronal convolucional para la detección del cáncer de tipo melanoma. Descubrí que quería dedicar mis esfuerzos en este campo. Lo que me llevó a dar una charla introductoria sobre IA aplicada a la sanidad en la décima edición de Software Crafters Barcelona, en Tenerife y a dar algunas charlas internas en mi empresa, pude participar en el evento Global AI Bootcamp 2025 y en Codemotion 2025. Soy miembro de AI4MED IA aplicada a medicina, asociación sin ánimo de lucro, formada por campos (doctorandos, investigadores e ingenieros) apasionados por la integración de la inteligencia artificial en el ámbito médico. Sobre Ruth Navarro: Ruth Navarro Carrasco es ingeniera informática por la Universidad Carlos III de Madrid y trabaja como ingeniera de datos en Next Digital desde hace más de dos años. Su día a día gira en torno a construir pipelines de datos, modelar información y automatizar procesos, siempre con el objetivo de transformar datos en conocimiento útil. Es una apasionada de la tecnología y el aprendizaje constante. Se considera inquieta técnicamente, siempre buscando nuevas formas de optimizar el ciclo de vida del dato, desde la extracción hasta el análisis. Aunque su gran foco es el análisis de datos, le encanta explorar temas como la arquitectura de datos, la calidad de la información y la escalabilidad de los sistemas. 🛤️ Track: DATA SCIENCE / AI 📋 Formato: Charla