[PROPUESTA] Aprendamos con lo nuestro: Ecobici DLM un proyecto de código abierto

[hugramirez]

Propuesta de Charla

• Título de la charla:
  "Aprendamos con lo nuestro: Ecobici DLM un proyecto de código abierto"

Propuesta de Charla

• Título de la charla:
  "Aprendamos con lo nuestro: Ecobici DLM, un proyecto de código abierto"

• Resumen/Descripción:
  La movilidad urbana de nuestras ciudades genera datos que cuentan historias, y Python nos permite escucharlas.
  En esta charla exploraremos Ecobici DLM, un proyecto de código abierto que toma los datos públicos de Ecobici CDMX y los convierte en pipelines listos para análisis, aprendizaje automático y experimentación con IA generativa.
  Veremos cómo hacer feature engineering sobre datos reales, almacenar y consultar eficientemente con MongoDB, y abrir la puerta a aplicaciones de machine learning para predicción de demanda, patrones de uso y optimización de rutas.
  La sesión es práctica, replicable y pensada para que cualquier persona interesada pueda contribuir y aprender “con lo nuestro”: datos latinoamericanos, herramientas libres y comunidad.

• Ponente(s):

  • Nombre: Alejandro Moreno
  • Bio: Ingeniero de Datos con 13+ años de experiencia en software y ciencia de datos. Ha liderado proyectos de analítica y optimización en PepsiCo, AmBev y GEPP. Es miembro activo de la comunidad Python en Latinoamérica y ha compartido en PyCon Latam y Nerdearla.
  • Foto: Por definir
  • Redes:
    • GitHub: https://github.com/hugramirez
    • LinkedIn: https://www.linkedin.com/in/hugramirez

• Temas (tags):
  Python, MongoDB, PyMongo, Open Data, ETL, Feature Engineering, Machine Learning, Generative AI, Urban Mobility, Open Source, LLM

• Nivel de dificultad:
  Intermedio (conceptos de ML e IA se explicarán de manera introductoria pero se mostrará código real para quienes ya programan en Python)

• Tech stack sugerido:

  • Python 3.x
  • Pandas
  • PyMongo
  • MongoDB Atlas o local
  • Scikit-learn (feature engineering y ML)
  • OpenAI / HuggingFace (para ejemplos de IA generativa)
  • Google Cloud Storage (Para ejemplos de despliegue en cloud)

• Duración estimada:
  40 minutos

• Motivación:
  La mayoría de los ejemplos de machine learning e IA están basados en datasets internacionales (Iris, Titanic, MNIST). Con esta charla queremos demostrar que también podemos aprender y construir con nuestros propios datos abiertos.
  Ecobici DLM es un ejemplo real de cómo open source + comunidad Python puede dar vida a proyectos útiles, educativos y replicables. La motivación es clara: si aprendemos con lo nuestro, nos apropiamos de la tecnología y la hacemos crecer desde Latinoamérica.

• ¿Tienes preferencia de mes o fecha?
  Por definir

• ¿Requiere algo especial?
  Proyector y acceso a internet (opcional para demo en vivo con MongoDB Atlas y APIs de IA generativa)

• Material adicional:

  • Repositorios de referencia:
    • ecobici-dlm
    • pymongo-quickstart
  • Slides (en preparación)
  • Notebook con ejemplos de feature engineering y ML

Notas adicionales

• La demo mostrará un pipeline de ingesta y análisis de Ecobici, generación de features para ML y un ejemplo de IA generativa aplicada a los datos.
• Todo el material será liberado como open source para que la comunidad lo use, adapte y contribuya.
• Ideal para mostrar cómo Python une ciencia de datos, ingeniería y comunidad en un mismo espacio.

Nota: Campos como foto o fecha se completarán al momento de confirmar la charla.