Jose R. Zapata

Data Science Technical Leader
PhD in Tecnologías de la información y las Comunicaciones

Mercado Libre

Data Science Technical Leader en Mercado Libre. Investigador en GIDATIC y Profesor Titular de la facultad de tecnologías de la información y comunicación (TIC), en la Universidad Pontificia Bolivariana (UPB).

Mis intereses son en Ciencia de Datos, , MLOps y tecnologías de la información en audio y musica, que incluye temas como Music information retrieval, Aprendizaje de Maquina (Machine Learning), CI/CD/CT, Análisis de audio y Análisis de datos.

Intereses

Ciencia de Datos
MLOps
Music Information Retrieval
Procesamiento de Audio
Python
Guitarra

Educación

PhD in Tecnologías de la información y las Comunicaciones, 2013
Universitat Pompeu Fabra (UPF), Spain
Master en Ingenieria area Telecomunicaciones, 2008
Universidad Pontificia Bolivariana (UPB), Colombia
Ingeniero Electronico, 2002
Universidad Pontificia Bolivariana (UPB), Colombia

Habilidades

Python

Pandas, Polars, Numpy, Matplotlib, Plotly, Seaborn

Ciencia de Datos

Python, SQL, Pandas, Polars, BigQuery

Machine Learning & DL

Deep Learning, Scikit-learn, Pytorch, NLP, Spacy

MLOps

Kedro, MLflow, Deepchecks, DVC, great expectations

Procesamiento de señales

y Análisis de Frecuencia de señales

Programación

Git, CI/CD, Bash, pre-commit, Linux

Blog

En Español

Estructura Base para Proyectos de Ciencia de datos

Proceso de creación de una estructura base para proyectos de ciencia de datos con Python, teniendo en cuenta buenas prácticas de desarrollo de software y las herramientas de MLOps.

Album Lofi con Python Version Cero

Generacion automatica musica LoFi y videos con Python utilizando técnicas de inteligencia artificial y procesamiento de audio.

Paso a paso en un Proyecto Machine Learning

Checklist y preguntas para realizar un proyecto de machine learning

Visualizacion Datos Coronavirus (COVID19) Mundial con Plotly

Visualizaciones con Python y Plotly de los datos mundiales del corona virus COVID19

Pyspark con Google Colab

Configuracion de Google Colab para usar pyspark

Tutorial de Produccion de Audio con Reaper

Tutorial en Video y material produccion basica de Audio con Reaper

Tips para la Exposición del Proyecto de Grado

Tips para crear las diapositivas y para realizar la exposición del anteproyecto del trabajo de grado

Proyectos

Plantilla para Proyectos en Ciencia de datos

Plantilla para proyectos de ciencia de datos con herramientas de desarrollo de software.

Social Media Behaviour con datos exclusivos de Facebook

Proyecto de investigación en Análisis de Datos que combina datos exclusivos de Facebook (Condor Dataset, Crowdtangle, Ad’s) y datos públicos para analizar el comportamiento de las redes sociales para determinar si existe un comportamiento no auténtico coordinado. Este proyecto es financiado por las Becas Social Media and Democracy Research Grants del Social Science Research Council y acceso a los datos de Facebook a través de Social Science One.

Acmus

Proyecto de investigacion para explorar el uso de técnicas de aprendizaje automático para musicología computacional, gestión de archivos de música digital y recuperación de información musical. Dos elementos principales del proyecto son: 1. Énfasis en técnicas de aprendizaje automático semi-supervisadas y no supervisadas que dependen mínimamente de la disponibilidad de datos anotados para una tarea específica. 2. La música tradicional colombiana como foco principal de nuestro estudio.

Multifeature Beat tracker

Implementacion en Matlab del Multi Feature Beat Tracker (Information Gain and Regularity),el beat tracker de essentia, mas detalles en Multi-Feature Beat Tracking

Essentia

Essentia es una libreria en C++ de código abierto para análisis de audio y recuperación de información de música basada en audio. Contiene una amplia colección de algoritmos reutilizables que implementan la funcionalidad de entrada / salida de audio, bloques de procesamiento de señal digital estándar, caracterización estadística de datos y un amplio conjunto de descriptores de música espectrales, temporales, tonales y de alto nivel. Más detalles en este articulo

SMC Beat tracking Dataset

Este dataset de Beat tracking contiene 217 fragmentos de aproximadamente 40 seg cada uno, de los cuales 19 son fáciles y los 198 restantes son dificiles. Este conjunto de datos ha sido diseñado para técnicas radicalmente nuevas que pueden lidiar con desafiantes situaciones de beat tracking como: acompañamiento suave, tiempo expresivo, cambios de compás, tempo lento, calidad de sonido pobre, etc. Más detalles en Selective Sampling for Beat Tracking Evaluation

Publicaciones Relevantes
Lista Completa

Jose R. Zapata, Matthew E.P. Davies, Emilia Gómez

abril, 2014 IEEE/ACM Transactions on Audio, Speech, and Language Processing, Vol. 22, No. 4, P. 816-825

Multi-Feature Beat Tracking

Dmitry Bogdanov, Nicolas Wack, Emilia Gómez, Sankalp Gulati, Perfecto Herrera, Oscar Mayor, Gerard Roma, Justin Salamon, Jose R. Zapata, Xavier Serra

noviembre, 2013 14th International Society for Music Information Retrieval Conference (ISMIR 2013), P. 493-498, Curitiba, Brazil

Essentia: An Audio Analysis Library for Music Information Retrieval

Andre Holzapfel, Matthew EP Davies, Jose R. Zapata, João Lobato Oliveira, Fabien Gouyon

noviembre, 2012 IEEE Transactions on Audio, Speech and Language Processing, Vol. 20, No. 9, P. 2539-2548

Selective Sampling for Beat Tracking Evaluation

Conferencias

Noticias Falsas: ¿Por qué son incontrolables? Podcast HumanaMente Ep.9

Es claro que los algoritmos si influencian nuestras vidas y estamos expuestos a la merced de quienes con ocultas intenciones o intereses particulares montan estructuras coordinadas de manipulación de la opinión, del control y del comportamiento

oct. 14, 2020 — podcast

Jose R. Zapata

Comprensión de la música con Python, una mirada desde la Física y la Matemática

Python para demostrar y visualizar la naturaleza de las ondas del sonido, la relación entre diferentes notas y como se unen para crear la Armonía Musical desde la Física y la Matemática

feb. 7, 2020 12:35 PM — 1:15 PM Universidad Eafit

Jose R. Zapata

Aplicaciones de Audio con Machine Learning

Mediante la extraccion automatica del contenido de las señales de audio y Machine learning se tienen aplicaciones de predicción, clasificación y Agrupamiento, como: Deteccion de emociones en la voz (Speech Emotion), Reconocieminto de Voz (Speech-to-Text), Deteccion y segmentacion de personas hablando(Speaker Diarization), Music Information Retrieval (Extraccion Automatica de información Musical), entre otros.

oct. 2, 2018 6:00 PM — 7:00 PM

Jose R. Zapata

Aplicaciones de Audio con Machine Learning

análisis de Señales de Audio con Python

Uso de Python para análisis de señales de Audio y Aplicaciones de Music Information Retrieval (Extraccion Automatica de información Musical).

feb. 9, 2018 11:40 AM — 5:12 PM Universidad Eafit

Jose R. Zapata

Sistemas Automaticos para Extraccion de Información Musical (Generalidades y Aplicaciones)

El Music Information Retrieval (MIR), que tiene como objetivo extraer, analizar y procesar automaticamente la información musical en señales de audio para diferentes aplicaciones musicales e informaticas. Las principales tareas en MIR, son Beat tracking, deteccion de melodia, deteccion de acordes, fingerprinting, recomendacion de música, procesamiento de señales de audio, entre otras aplicaciones

jul. 22, 2016 2:00 PM — 3:15 PM Universidad San Buenaventura

Jose R. Zapata

Cursos

Cursos pasados y presentes en postgrado y pregrado en la Universidad Pontificia Bolivariana (UPB)

Post Grado	│	Pre grado
Python para Ciencia de Datos	│	Machine Learning
Minería de Audio	│	Sistemas y Señales
R para Ciencia de Datos	│	Minería de Datos
Procesamiento de Audio	│	Principios Audio
Procesamiento de Señales	│	Aplicaciones de Audio
Principios de Telecomunicaciones	│	Teoría de Comunicaciones y Lab
Matlab	│	Antenas y Lineas de transmisión