Rubén Orta

Que pereza me da tener que teclear el login y el password cada vez que arranco mi RPi. Para el que le pase lo mismo aquí hay una receta que automatiza todo.

Primero configuramos el autologin para no tener que introducir el usuario y la clave

• Editamos con vi el fichero /etc/inittab
• Comentamos la linea que comienza con 1:2345 poniendo el símbolo #
• Añadimos 1:2345:respawn:/bin/login -f pi tty1 </dev/tty1 >/dev/tty1 2>&1

Ahora toca configurar las X para que se arranque evitando tener que teclear startx

• Editamos con vi el fichero /etc/rc.local
• Al final del fichero y antes de exit 0 hay que añadir su -l pi -c startx

Y ya lo tenemos!

Hace unas semanas di una charla en la UPM sobre el movimento maker. Dentro del rollo que largue hice una pequeña parada para hablar sobre el Internet de las Cosas. Cuando pregunte a los asistentes, en su mayoría estudiantes, cuantos habían oído sobre este concepto, me sorprendió que no sabían de que estaba hablando. Si tiramos de la definición de la wikipedia… 

The Internet of Things refers to uniquely identifiable objects (things) and their virtual representations in an Internet-like structure

Resumiendo y traduciendo, con Internet de las Cosas nos referimos a la capacidad de que cualquier cosa pueda conectarse a Internet para transmitir o recibir información. Uno de los ejemplos más clásicos podría ser una nevera que es capaz de detectar cuando entran y salen productos de ella (cada alimento tendría que ir con un tag RFID) y que automáticamente manda un pedido a nuestro supermercado online cuando nos quedamos sin algún producto.

La razón para contaros este rollo es debido a que hoy es el Día Internacional del Internet de las Cosas y para celebrarlo el grupo Internet of The Things Madrd (#IoTMad) han organizado un conjunto de presentaciones realmente interesantes sobre este tema.

Si queréis profundizar más sobre este campo lo mejor que podéis hacer es apuntaros al meetup de #IoTMAD donde de manera mensual se organizan charlas y talleres para conocer proyectos de primera mano.

Mañana tenemos una nueva cita en Hacks Hackers Madrid. Esta vez vamos a hablar sobre CMSs. El formato será un poco diferente porque vamos a traer a tres cracks del mundo de los CMS para que nos hablen del camino que han ido eligiendo en sus respectivas empresas. Estarán abiertos a cualquier duda que puedas plantearles. ¿Es mejor open source ? ¿ Como desarrollarlo in house no hay nada? ¿Mejor pagar a una empresa por una licencia? Puedes apuntarte en nuestra página de meetup si quieres asistir.

Ya he terminado con mi primero MOOC. Durante seis semanas he estado aprendiendo un poquito sobre infografía y visualización de datos. Sin duda, las experiencia ha sido muy positiva. Noo creo que pudiese ponerme a trabajar en un medio haciendo infografías, pero si que he aprendido bastantes cosas que ya me están ayudando en mi trabajo. Entre ellas como mejorar la organización de un dashboard o que tipo de gráfica elegir en cada momento.

No he colgado ninguno de los dos últimos gráficos que he diseñado. En el primero, medio en serio medio en broma, animo a nuestros ricos a abandonar el país. Como trabajo fin de curso he analizado los indultos concedidos durante los últimos 15 años en España. Los datos los he sacado del github de el indultometro y los he procesado según las necesidades con PHP y JS. Sin duda la parte más floja es la presentación, por mucho que uno quiera los técnicos no somos los tíos con más toque para el diseño.

Como resumen final una lista de cosas que me han gustado y que no me han gustado del MOOC.

Cosas que SI me gustan del MOOC

• He aprendido con uno de las personas más expertas en infografía/visualización de datos (@albertocairo) del mundo totalmente gratis.
• Aprender online me permite marcarme la agenda como yo quiera.
• Voy a pagar 30$ por el certificado.
• No me hubiera importado pagar un fee por el curso al finalizar.

Cosas que NO me gustan del MOOC

• El interfaz que teníamos para ver las lecturas, artículos o comentar nuestros trabajos era HORRRIBLE. He perdido muchísimo tiempo buscando donde había puesto mis trabajos.
• Esto es más un lloro que una queja….Si quieres sacar partido al curso hay que echarle horas.

Solo puedo recomendar que os apuntéis a este tipo de cursos. Coursera, Udacity o EdX están repletos de cursos muy potentes que además te harán mejorar tu ingles

En el ejercicio de esta semana nos proponían la lectura de unos cuantos artículos (1 2 3 4) relacionados con el mundo de la universidad. Concretamente con el concepto de Tenure. Además se nos proporcionaba un dataset con porcentajes y números que debería valernos para validar o refutar las hipótesis formuladas en dichos artículos.

My idea for this visualization is to make an interactive graph that lets the user to navigate through the different levels of information that are provided by the data. The first level shows the aggregated data of the tenured faculties in percentage and numbers. These graphics shows an overview of our story. As we can see it looks like there isn’t a serious problem. At the end the % decrease of tenured faculties is small although the total numbers of tenured is growing during this period of time. We’ve to remember that the tenure is something for the whole life.

The second level of information that I want to show is related to the rank of the faculties. We’ve data for six types of faculties (professor, associate, assistant, instructor, lecturer and other). My idea is to let the user the freedom to navigate through this information. In the visualization you could have a select menu with these types that will change the graphics. I’ve attached the graphics for the professor rank

If in the previous level the user can filter by rank in this level my idea is to user the type of track (tenured, on track, non tenured) to configure the graph. I’ve included two graphics one for tenured and other for tenured track

Most of the articles put the emphasis in the point that the university is changing the tenured with the non-tenured. If we look at these graphics we can see very clear that this hypothesis is incorrect. We can see that the % of non-tenured faculties is mostly the same during the period analyzed.

En el trabajo de esta semana nos han vuelto a pedir que analicemos una visualización e intentemos mejorarla con nuestras aportaciones. Este vez he decidido hacer los sketchs a boli.

The purpose of the chart is to show the relationship between the various scientific publications and the citation to make between each other. At first glance the visualization is very cool. You can select the data at a journal level and at a category level. The journals are divided in four categories levels, the first problem that arise is that we don’t know what are the name of this categories and what are the reasons for this grouping.

The display shows two types of data for each publication:

- EigenFactor of each journal. How this value is calculated isn’t disclosed neither the visualization page neither a link with information about the EigenFactor. We understand that is a value that must be known by the scientific community. If we want to reach a bigger audience we should explain exactly how this value is calculated. In the visualization the value of this factor is represented by the surface of the circle. With this type of representation is difficult to calculate the relations with the rest of the journals. Without doubt it will be more clear you use a simple bar char to compare this value.

- IN/OUT citation: This factor make a relation between the number of citations that comes from a journal and go to another. In the visualization don’t appear exactly how is calculated this value so it’s difficult to extract information about this point.

The interaction with the display occurs at two levels: You can select the sector of a journal and it appear highlighted all the journals of that sector and the relations with the journals that send / receive a citation with that journals. The other option is to select a journal and the appears all the journals that send / receive a citation with it. As the size of the journal in the visualization depends of the Eigenfactor it’s hard to select journals with a small Eigenfactor. The citation relation between the journals is made with the thickness of the lines. This is another point that make the comparison very difficult. It’s practically impossible to look for correlations and patterns in the visualization.

To improve this part of the visualization I propose to include a scatter plot chart. The idea is to select first a journal to analyze. The new chart will include the IN / OUT data in the X / Y Axis. The size of the bubble associated will be represented by the EigenFactor. I believe that this kind of graphic will show more easily the patterns that we’re looking for.

I’m not a user related to the world of scientific publications. With the visualization shown I can’t draw any conclusion or story. As a reader the questions that I ask me are: What are the most prestigious journals? Are the same journals cited between them? are there more important factors that the EigenFactor, maybe the numbers of articles, the age of the publication or the country where the journal is published?

Esta semana he comenzado con mi primer MOOC. La materia en la cual me he matriculado es “Introduction to Infographics and Data Visualization”. La razón principal por la que he elegido este curso es porque durante las charlas de Hacks & Hackers ya han aparecido varios proyectos de visualización que me han resultado muy interesantes y segundo como buen programador el gusto que tengo en el diseño es nulo y tengo la esperanza de aprender algo de diseño que pueda aplicar a mi vida de técnico.

Para la primera semana de trabajo hemos tenido que analizar la siguiente infografía que muestra cuando es el mejor momento para publicar en twitter / facebook. Nuestro trabajo ha consistido en criticarla y proponer un diseño alternativo. A continuación incluyo mis comentarios y propuestas.

The objective of the infographic is to show when we should have more impact publishing on two social networks (twitter and facebook). The 3D graphic is difficult for the interpretation and analysis. If you don’t read the text that surrounds the graphics it is difficult to know what is exactly the optimum time for publishing. The infographic presents different analysis for the networks too. The data from twitter is more useful and includes the best time period and the avoid time period. With facebook the data presented is different: best time of the week and best time period.

For both networks, the infographic includes when the networks gets the most traffic. Because this information isn’t put together with the click-through (CTR) graphics it’s difficult to analyze if exists correlation between both. Although the text included don’t facilitate the interpretation: “more traffic more competition”. I don’t know if it’s good or bad to publish on high traffic periods.

The headline I’ve got for the infographic is related more with the use of the networks than for the impact of the publishing of the networks. Twitter is a network mostly used during workdays, the use goes down during the weekend (a lot of companies stops working Fridays at 3:00 P;). Facebook has a more anarchic use during the week. What we can see is that effectiveness of publishing increase around the lunch time: 1-3PM for twitter and 1-4PM for Facebook.

There are two variables that will improve the analysis  One is the number of users connected at a time to the network and the other is the reach of the publications. The CTR takes the numbers of users that see your post and divides by the numbers of users that click or read the post. A 50% CTR looks good but maybe only one person read the post. Although the active users on Facebook (800M) and twitter (200M) are very different. Sometimes the CTR isn’t a very good indicator.

I’ve tried to rewrite the infographic with two different charts. I couldn’t find the exact data so I’ve tried to guess the correct values.