Buenos días chicos, Gracias por vuestra asistencia, como siempre, y sobre todo me gustaría agradecer en el día de hoy a los técnicos que nos vienen de la empresa para presentarnos esta charla súper interesante acerca de las capacidades que tiene el sistema ArcGIS.

 A continuación nos va a hablar Alba Page, que es tecnico de eso y es licenciada en Ciencias Ambientales, si no me equivoco por la UNED.

 Aparte tiene el máster que se llama Tecnologías de la Información Geográfica por la Universidad Complutense y trabaja en el ámbito Muchos ámbitos con Asis en la parte de tecnología, innovación de SRI y nos viene a presentar las capacidades y potencialidades que tiene ArcGIS para para nuestro nuestro desarrollo de nuestra actividad.

 Les comentaba a Camino también está hoy acompañándonos también de eso sí, los grados que nosotros tenemos desde la Politécnica en este ámbito.

 Y bueno, no conocían nuestro grado de tecnologías de la información espacial y yo quería saber de los que estáis aquí, que sois unos cuantos, cuántos pertenecéis a ti y cuantos a quién pertenece a ti y axiomática a los cruzados.

 Algunos estáis haciéndolo de grado.

 ¿Cómo es el tema?

 O sea, hay un fifty fifty de las dos cosas.

 Muy bien por las necesidades.

 Ahora os lo comentarán.

 Sobre todo lo estáis viendo vosotros, porque estáis viendo los anuncios que repetidamente os estamos mandando por los diferentes canales, tanto las redes sociales como la intranet.

 La cantidad de oferta de empleo que hay en todos los ámbitos, pero desde el ámbito del mundo de los sistemas de información geográfica, que es donde más centrado está.

 Eso sí, veréis que también os van a comentar las grandes necesidades que ahora mismo hay de técnicos y la cantidad de proyectos que hay en España que se necesitan de alguna manera cubrir con titulados que salen de esta escuela o de facultades que están mostrando grados como el que nosotros tenemos.

 Entonces espero que todo lo que os cuente no sea de muchísimo provecho, Estoy seguro de ello.

 Y si encima podéis coger algún tipo de contrato, sobre todo los que estáis terminando, que hay algunos por aquí para intentar empezar a coger vuestro primer empleo, pues muchísimo mejor.

 Así que espero que os guste y que cojáis ideas para ir marcando esa línea, ese futuro profesional que aquí os estamos intentando enseñar.

 Así que muchísimas gracias a todos por vuestra bienvenida y por vuestra asistencia y demos la bienvenida a lo que nos va a comentar.

 Una presentación ahora.

 ¿Vale?

 Gracias chicos.

 Bueno, pues lo primero muy buenas, Muchísimas gracias a todos por por vuestro tiempo.

 Y bueno, como acaba de comentar, vamos a ver una Pues bueno, un recorrido un poco por el tema de los sistemas de información geográfica y sobre todo por las aplicaciones que pueden tener.

 Y bueno, venimos de la empresa, es REE que somos los propietarios del software ArcGIS, que entiendo que muchos de vosotros lo lo conocéis y mucho.

 No voy a detenerme aquí prácticamente nada, pero bueno, simplemente comentaros eso, que es una empresa ya con bastante con bastantes años para ser una empresa de tecnología desde 1969, es importante comentaros que es una empresa que como tal no cotiza en bolsa, es decir, dedica gran parte de sus ingresos a la parte de y más de más del 25 por el 25% y estamos presentes en más de 65 países, concretamente aquí en España.

 Estos son algunos de nuestros logos, aunque en realidad tenemos más de 4000, pero estos son algunos de los logos que más más importantes somos alrededor de 125 personas, más o menos.

 No lo sé.

 De camino lo mismo mejor, pero por ahí, por ahí, por ahí andamos.

 ¿Y bueno, qué son los gifs?

 Aquí no voy a detener porque como acabamos de comentar, lo sabéis de sobra, pero a fin de cuentas, lo que vamos a intentar hacer con un sistema de información geográfica va a ser resolver problemas espaciales.

 Problemas espaciales de diversa índole, unos más conocidos como temas territoriales.

 Aquí tenemos pues, ese mapa de metro y también toda la parte.

 ¿De acuerdo, el mapeo de instalaciones Windows, que también es algo que cada vez se está, se está haciendo más porque bueno, si hacemos los mapas bien fuera, porque no vamos a hacer también dentro de las instalaciones problemas espaciales?

 Muchísimos.

 ¿Desde cómo llegar a un accidente donde proceder a contaminación detectada en un río donde podemos construir ciertas infraestructuras energéticas, hacia dónde se va a extender un incendio?

 ¿Evaluar áreas quemadas por ese mismo incendio a través del análisis de de imágenes Dónde puedo encontrar clientes para mi negocio?

 ¿Cómo evacuar un edificio en el menor tiempo posible?

 Es decir, nos podemos enfrentar a múltiples, a múltiples problemáticas.

 De acuerdo, La definición típica es un conjunto de software, hardware y datos que nos van a nos van a servir para capturar, gestionar y representar la información que tenga.

 Siempre.

 Y esto es importante, una componente geoespacial, básicamente aquí lo veis, va a ser una representación de la realidad cruzando diferentes capas de información.

 Y estos datos, estas capas van a responder a distintas, a distintas tipologías.

 Va a haber imagen satélite, va a berlina, va a haber levantamientos topográficos, va a haber datos que capturemos mediante sensores en tiempo real y que tenemos por ahí abajo temas de redes sociales y participación ciudadana.

 Cada vez se utiliza más esa comunicación bidireccional con con el usuario final, temas de inteligencia artificial, drones, etcétera Al final, pues lo que vamos a hacer es intentar proporcionar a los usuarios la tecnología geoespacial que necesiten y esa coletilla del que necesiten es importante, porque esas necesidades a lo largo de los años han cambiado y van cambiando el perfil del usuario cambia principalmente asociado, porque la tecnología nos permite hacer cosas que hace años era muy difícil, directamente porque nuestros ordenadores no podían con ello y el acceso a cierta información era muy complejo.

 Aquí vemos ciertos patrones de de uso y algunos son más cotidianos, un poco más de andar por casa, por decirlo de alguna manera, como pueden ser los mapas y la visualización, la gestión de los datos, la parte analítica, movilidad en campo, todo eso estamos quizás más acostumbrados, pero cada vez, pues tenemos más, más problemáticas, más necesidades y más fuentes de datos que más de monitorización.

 Decíamos sensores en tiempo real tanto sobre el terreno como sensores que pueden ser imagen satélite, drones, etc, la parte de compartir y colaborar y seguimos trabajando en nuestros ordenadores en local, pero cada vez es más importante llevar a otros compañeros, llegar a otros departamentos, que la información no se quede en un silo ahí comprimida y sea cada vez más fácil compartir tanto con colegas como involucrar a otras partes de la sociedad.

 Comunidad educativa.

 El ciudadano y políticos que tengan que tomar una decisión.

 Proyectos de investigación que luego quieran dar a conocer sus resultados.

 Pues toda la parte de involucrar y difundir la información es muy importante.

 El acompañamiento al diseño y la planificación de estrategias para al final lo de siempre ayudar a tomar las mejores decisiones, estar ahí en el momento en el que se toma la decisión de acuerdo y que esa decisión se tomen base a datos, a datos veraces en usuarios.

 Pues bueno, el profesional que somos muchos de nosotros o seréis muchos de vosotros, pues con nuestras máquinas, haciendo nuestros análisis y nuestras cosas.

 Esto era pues la visión que existía hace unos años y un poco estaba aquí muy reducido.

 Sin embargo, como decíamos hace un segundo, con el paso del tiempo y un poco la el acceso más democratizado a la información a Internet, a la nube, pues tenemos otros muchos perfiles que a lo mejor no tienen que ponerse a hacer el análisis puro y duro en en texto de acuerdo, en escritorio, sino que luego van a poder acceder a la información a través de aplicaciones, perfiles técnicos que estén en campo, analistas, planificadores que simplemente quieran ver cómo está el tema y tomar una decisión.

 En base a eso, el propio ciudadano de acuerdo.

 Y todo esto se hace posible por esos avances en la tecnología y por el estar cada vez más y más conectados.

 Bueno, comentado ArcGIS, pues al final es un sistema geoespacial integral que va a apoyar a múltiples comunidades.

 Vamos a poder trabajar desde la parte analítica, la parte de imágenes, La comunidad de desarrolladores también puede trabajar a través de nuestras APIs SDK, o sea que podemos también dar cabida a esa, a esa comunidad.

 De acuerdo, Y antes de pasar a la demo, porque todo se ve mejor.

 Haciendo un ejemplito de lo que estamos contando en la demo, va a ir muy enfocada al tema de lo digital, a lo digital, pues ya lo sabéis, es una representación virtual del mundo real que puede incluir muchas cosas, puede incluir territorios, infraestructuras, objetos, un proceso de acuerdo y las relaciones también, que interconectan todo esto y los comportamientos que tienen estas, estas diferentes, estas diferentes parámetros.

 Lo ideal es que sea mucho más que eso.

 Vale, perfecto, que es una representación de la realidad, pero lo ideal es que haga más cosas, es decir, mediante la gestión de históricos.

 O sea, si yo tengo recogidos un montón de datos que me pueden provenir de sensores o de otro tipo de dispositivos, voy a tener un histórico lo suficientemente robusto como para llevar a cabo una analítica.

 Voy a poder monitorizar en tiempo real ciertos parámetros.

 Oye, que si pasa algo o se desencadene una alarma, un mail, un lo que sea y que me permita también ejecutar por tanto, modelos predictivos y simulaciones.

 Sí, sé lo que pasó en el pasado ante ciertas circunstancias.

 ¿Pues oye, vamos a usar esto para ver qué podría pasar en el futuro, vale?

 Lo ideal es que el gemelo digital esté de alguna manera vivo.

 Hay como varios niveles de de madurez.

 De acuerdo, el primer nivel pues va a ser un poco captura y esa representación en 2D o en 3D que lo asociamos mucho al 3D, el digital.

 Pero un mapa también es una representación de la realidad de acuerdo a partir de ese primer nivel.

 Bueno, pues ya podemos ir añadiendo contenido que a lo mejor ya no sea nuestro, sino contenido externo a través de servicios web, a través de contenidos de terceros que enriquezcan mi mi gemelo digital, el tercer nivel.

 Ahí ya metemos esa componente en tiempo real, pues mis sensores que puedan detectar diferentes parámetros, los que sean, desde un ayuntamiento que tiene sensor izadas todas sus farolas de sus luminarias.

 Si uno se funde, que me aparezca en un cuadro de mando y ya sabemos dónde tiene que ir el el operario al tema del tráfico en tiempo real, a estrés hídrico de nuestras, de nuestras plantas, de nuestra explotación agraria.

 De acuerdo, ya podemos tener sensores para casi todo el nivel cuatro, pues ya hay una comunicación bidireccional.

 ¿Es decir, yo le hago una pregunta al gemelo digital y es capaz de contestarme oye, si pasa esto, qué pasaría? ¿A qué ocurriría?

 Y al último Es un canal digital que funciona de una manera autónoma.

 Se adelanta un poco a lo que va a ocurrir, al menos digitales de todo, territoriales.

 Con el tema del paisaje, por supuesto, toda la parte de edificación y MO de los modelos BIM, toda la parte de redes, tanto de tendidos eléctricos como redes subterráneas, etcétera Y por supuesto, la parte de de ciudad y datos, siempre datos.

 Lo primero, si no tenemos datos o los datos de partida no son buenos, es muy difícil que lo que obtengamos lo sea.

 ¿Con qué datos vamos a trabajar?

 Pues volvemos a lo mismo.

 Algunos nos van a sonar mucho datos vectoriales, datos tabular, datos en 3D, datos, lidar imágenes y luego otros, pues se van incorporando otros modelos BIM, pues cada vez van siendo más habituales, pero antes no lo eran tanto.

 Toda la parte de Big Data, toda la parte de de idiotez, de tiempo real, etcétera.

 Bueno, ahora sí vamos a ver un poco de un segundo.

 ¿Bueno, pues vamos a ver un poco esto del género digital, cómo podemos irlo construyendo?

 Vale, nos hemos ido a ARCIS, pero espero que todos utilicéis registro y nadie utilice arma.

 Eso espero.

 Bueno, pues estamos en nuestra herramienta de escritorio.

 ¿De acuerdo?

 Estamos en la Comunidad Autónoma de de Andalucía y vamos a empezar a dotar de contexto a este gemelo digital.

 Aquí tenemos información en local de acuerdo, que nos hemos descargado del portal de datos abiertos de la Junta de Andalucía.

 Tenemos los límites autonómicos, tenemos redes de carreteras, espacios naturales protegidos.

 De acuerdo, Simplemente estamos dotando de contenido nuestro, nuestros gemelo digital.

 Vale.

 A partir de aquí os quería enseñar una herramienta que se llama Eliminarlas de acuerdo, que es un repositorio de información geográfica disponible para todos nuestros usuarios.

 Información geográfica verificada.

 Es decir, proviene de fuentes oficiales de que yo aquí si busco, a ver si no me equivoco, poblaciones, pues tenemos aquí por ejemplo las poblaciones de España.

 Es un dato de la higiene, pero ya he tratado para que cualquiera lo pueda utilizar y conectarse a él como servicio.

 En un momento nosotros lo tenemos cargado de acuerdo para ir más rápido y pues automáticamente nos aparece esta.

 Estas poblaciones de de España, igual que tenemos las poblaciones también, también tenemos.

 Aquí podemos acceder también a todos los datos de OpenStreetMap en 3D para, por ejemplo, si nos vamos a un entorno urbano como puede ser Sevilla.

 Yo también lo tengo aquí cargado de OpenStreetMap Building.

 Vale, pues puedo acceder directamente a lo que es, pues todos los volúmenes en 3D a nivel mundial, lógicamente tendremos en algunos sitios más, será más fiable que en otros, pero bueno, aquí en un segundo, como veis, tenemos tanto los volúmenes de los edificios como el arbolado de la ciudad de Sevilla.

 Un segundo que nos vamos a acercar a esta parte.

 Como decía, esto es OpenStreetMap, que está muy bien, pero por ejemplo, podríamos añadir datos de de toda índole en de toda índole, de toda índole y en distintos formatos.

 Aquí, por ejemplo, hemos creado un objeto 3D de la propia Catedral de Sevilla, pues mucho más cercano a la realidad.

 Y tenemos incluso lo que es la, EH, la Giralda, que le hemos añadido las texturas extraídas a partir de un vuelo de dron que, como veis, aportan muchísimo más grado de realismo.

 O sea que hay distintas, hay distintas etapas y distintos grados de cercanía a la realidad.

 De hecho, aunque nuestros edificios de OpenStreetMap son un excelente punto de partida, si combinamos en este caso fuentes oficiales, como es la huella catastral que veis aquí representada en sobre.

 Sobre el suelo, de acuerdo, y lo combinamos con el vuelo LIDAR de Life n.

 Me acuerdo todo fuentes oficiales y utilizamos las herramientas específicas.

 Bueno, pues somos capaces de generar un escenario más realista que el que habíamos visto hace hace un segundo, donde los volúmenes son mucho más cercanos a la realidad.

 Tenemos las cubiertas con mucho más detalle y al final hemos combinado la huella catastral con el vuelo, con el vuelo LIDAR para encontrar las alturas y sobre todo las cubiertas y la orientación de las de las mismas.

 Gemelo digital, como hemos dicho, puede ser de todo Vale, aquí nos hemos ido a tarifa de acuerdo en el que hemos hecho algo, algo similar con el con el municipio hemos añadido esos esos volúmenes, de acuerdo, hemos hecho ese cálculo de de los volúmenes de las cubiertas, etcétera Hemos extraído también del vuelo LIDAR la vegetación que la veis por aquí, hemos clasificado esa nube de puntos, pero también hemos añadido otra serie de elementos como los aerogeneradores de un parque, de un parque eólico cercano, es decir, en forma digital cabe todo tipo de elementos.

 Aquí estamos viendo aerogeneradores.

 Bueno, pues ya sabéis, tarifas, pues que es una zona con un aprovechamiento de eólico bastante bastante importante, pero podría ser un aprovechamiento energético de cualquier tipo.

 Nos hemos vuelto a Sevilla, Sanlúcar la Mayor, que hay una, hay una planta termosolar bastante importante, como veis aquí, en el que tenemos nuestros nuestros paneles solares sobre el terreno, pero también, como decíamos al principio, podemos añadir información de otros formatos.

 En este caso hemos utilizado un modelo mismo.

 En este caso es un objeto 3D, no es un modelo, no es un modelo BIM de una supuesta subestación eléctrica.

 ¿Pues para prototipar, cómo quedaría aquí una subestación eléctrica?

 Vamos a generar escenarios para bueno, pues para llevar a cabo estas predicciones o estos prototipos que decíamos al principio, de acuerdo, pues ese sería ese tendido eléctrico y luego estaría aquí nuestra subestación eléctrica, que como veis puede llegar a tener un nivel de detalle bastante bueno.

 Hemos estado hablando todo este rato, por lo menos lo que hemos hecho hasta ahora ha sido visualizar análisis como tal, no hemos hecho, hemos procesado información para extraer los edificios y demás, pero como tal análisis lo hemos hecho y hemos dicho al principio que sería un poco el siguiente paso, no lo deseable que el modelo digital me responda, el gemelo digital me responda a preguntas, pues venga, vamos a hacer preguntas donde podríamos construir otro tipo, otras instalaciones de este tipo, otras sí, pues en este caso centrales, centrales solares.

 Pues vamos a ello.

 Bien, volvemos a lo que es la Comunidad Autónoma de Andalucía.

 Y si queremos plantearnos dónde construir este tipo de instalaciones, pues tendremos que barajar qué variables son las importantes.

 Pues, por ejemplo, el tema de la pendiente del terreno es bastante interesante.

 Bien, la radiación solar.

 Lógico.

 Hemos añadido otra serie de datos como es el riesgo sísmico y el riesgo de inundación.

 De acuerdo.

 Y para verlo un poquito mejor, nos vamos a acercar a la provincia de Sevilla simplemente.

 Y lo que hemos hecho ha sido repartir estas variables de una manera homogénea por todo el territorio.

 Vale, hemos hecho este TC lado de dos kilómetros cuadrados donde contiene información sobre estos datos, sobre esos datos en concreto estamos viendo la leyenda.

 Es, digamos, la radiación solar que recibe, pero aquí si veis la ventana emergente, pues nos dice esa radiación, la pendiente, la distancia a la subestación eléctrica más cercana, el índice sísmico y el índice de inunda vida.

 Vale, si seguimos añadiendo información en este caso que hemos añadido, pues hemos añadido espacios naturales protegidos, terrenos en los que no podemos hacer este tipo de instalaciones.

 Hemos añadido también los usos del sol incompatibles, pues terreno urbano o terreno que por lo que sea, no podemos utilizarlo para este tipo de instalaciones.

 Hemos añadido también las instalaciones eléctricas que habéis visto, que hemos calculado la distancia.

 Y ahora sí, con toda esta información, pues vamos a ser capaces de generar una capa de información con la idoneidad del terreno.

 Aquí veis que está clasificada atendiendo de baja a óptima.

 Atendiendo a todas estas variables que hemos visto, pues ya podemos tener esta información accesible.

 ¿Bueno, os acordáis que al principio hemos hablado que tan importante es hacer este análisis como que quien sea pueda acceder a él y se pueda utilizar?

 Esto está muy bien aquí, pero lo suyo es que cuando un técnico en campo o una pyme o quien sea quiera ponerse a construir o a valorar, está en la creación de este tipo de instalaciones, pueda hacerlo.

 ¿Que hemos hecho?

 Hemos publicado esto como servicio web y hemos creado una aplicación súper sencilla que tenéis aquí, que como veis tiene la misma pinta, la misma información y lo que hemos añadido son los datos del sitio de acuerdo para que yo cuando vaya a una parcela o lo que sea, pueda acceder a toda su información y además tenga todos los datos del análisis que hemos hecho.

 Vale, a partir de allí puedo rellenar un formulario, hacer fotos, etc y esto lo puede tener cualquiera en su tablet en campo llevando a cabo esta operación.

 De acuerdo, es un poco el proceso que haríamos, tenemos nuestro análisis, pero luego hay que darle salida.

 Alguien tiene que utilizar pues ya veis que es una aplicación con una URL y es súper simple y simplemente hemos añadido esa esos datos del sistema del six por debajo, ese ese parcelario genial.

 Bueno, pues vamos a volver a nuestra herramienta de escritorio y hemos visto dónde instalar plantas solares a nivel territorial.

 Pero si nos fuéramos a un entorno urbano como puede ser la ciudad de Málaga.

 ¿Bueno, pues podríamos también tener esa duda Dónde podemos instalar este tipo de de tecnologías?

 Lo primero que hemos hecho ha sido ejecutar nuestras herramientas específicas de de radiación solar.

 De acuerdo, que están. Están por aquí.

 ¿Para qué? Bueno, pues para calcular.

 Vamos a acercarnos un poquito que se verá mejor, pues para calcular la radiación potencial que recibiría cada uno de los edificios que tenemos aquí.

 Este raster que que veis de colores más fríos, mayor radiación, más cálidos, mayor radiación A más fríos, menos radiación, radiación potencial.

 Aquí hemos usado lo mismo.

 Esas herramientas que hemos visto antes de modelado 3D, pues para tener también en cuenta la orientación de las cubiertas, etcétera.

 Bien, pues ya tendríamos esa radiación solar potencial en los edificios, pero puede darse el caso de que algunos ya dispongan de estos paneles solares instalados.

 ¿Cómo podríamos saber donde tenemos ya paneles solares instalados y obviar esas zonas?

 Pues en este caso hemos utilizado modelos de deep learning o de detección de objetos que seguro que ya lo sabéis, pero el learning al final es una manera de enseñarle a la máquina a que detecte en este caso cierto objeto a partir de un modelo.

 O sea, yo me he encargado de decirle esto es un panel solar.

 De acuerdo, he rodado ese modelo, lo he entrenado, ese modelo ya sé que funciona y a partir de ahí puedo lanzarlo contra una 1 millón de imágenes.

 Vale.

 Los modelos de learning pueden ser de dos tipos.

 ¿Vale? Tenemos modelos ya entrenados.

 De hecho, si nos vamos a eliminar las que veíamos antes y buscamos deep learning en eliminarlas, tenemos muchas cosas.

 Tenemos capas y tenemos cosas en 3D, tenemos imágenes y también tenemos cosas como modelos de learning ya entrenados que cualquiera puede utilizar porque es un fichero que lo descargas y lo metes en la herramienta.

 Y aquí tenemos modelos para extraer huellas de edificios, para clasificar nubes de puntos y obtener la vegetación, detectar coches, paneles solares, piscinas, muchas cosas.

 Entonces son modelos que ya se sabe que funcionan, están entrenados y me salto la parte de entrenarlos.

 Los podemos utilizar y si vemos que por lo que sea no se adaptan a mis necesidades, los puedo entrenar de acuerdo, pero nos hemos quitado ya una parte muy grande de de creación del propio modelo y también tendríamos la opción de entrenar nuestros propios modelos.

 De acuerdo, si nos vamos aquí tenemos toda una caja de herramientas para efectivamente crear, entrenar, validar y publicar nuestro modelo de deep learning para al final hacer que nosotros lo que hemos hecho ha sido irnos a una zona residencial de de Málaga, donde es más probable que este tipo de tecnologías estén instaladas una zona residencial nueva.

 De acuerdo.

 Y hemos ejecutado eso, ese modelo, y obtenemos esto, obtenemos esa detección de paneles solares.

 Alguno se deja claro, No es infalible, pero es verdad que nos ahorra muchísimo, muchísimo trabajo y podríamos utilizarlo con todas las imágenes que que queramos.

 Esto nos lo hemos hemos hecho larguísimo proceso, no lo hemos llevado al 3D, que las cosas se ven muy bien en 3D y que hemos hecho online.

 Los edificios están simbolizados atendiendo a la radiación solar media de la cubierta.

 Vale, hemos añadido esos paneles solares y les hemos añadido también la la vegetación.

 Y bueno, pues de esta manera pues tenemos esa zona donde hay un montón de paneles y luego esta zona que es un poquito más antigua, que solamente nos encontramos en un par de sitios y ya podríamos pues podríamos verlo de una manera mucho más clara.

 Volvemos a lo mismo, lo ideal es que esto yo lo pueda utilizar, que pueda ver una aplicación que por ejemplo, le sirva al ciudadano para calcular cuánto se ahorraría o cuánta energía podría generar instalando este tipo de tecnología en su edificio.

 Pues aquí vemos la relación solar anual aprovechable, la producción potencial de energía, el ahorro anual de emisiones calcula 20 toneladas de CO2.

 Vale, entonces la finalidad un poco es esa, que las aplicaciones puedan que conecte con este tipo de análisis y con este tipo de aplicaciones podamos dar servicio un poco a quien lo ha quien lo necesite.

 Vale, Bueno, pues hasta aquí un poco la parte que os quería enseñar de escritorio, que si me dejáis lo voy a cerrar, que está el ordenador que no puede más y nos vamos a ir a hablar de otras cosas.

 Hemos visto un poco el gemelo digital, me acuerdo cómo construirlo partiendo prácticamente desde cero y en realidad hemos utilizado datos públicos para para casi todo.

 No, no, no hay nada externo.

 Y vamos a ver ahora otras cosas distintas.

 ¿Vale?

 ¿Cómo seguir enriqueciendo este fenómeno digital desde diversas, desde diversas perspectivas?

 Bien, vamos a hablar un poquito de drones.

 Bien, aquí reality, aunque en realidad los nombres ahora mismo nos dan igual.

 Es un poco una caja donde tenemos o donde podemos encontrar un montón de herramientas y trabajar con ellos como una solución integrada tanto para la captura como para el tratamiento de imágenes.

 Aquí se da un poquito el proceso de cómo trabajamos con con las imágenes, cómo se trabaja, un poco con con las imágenes.

 Y bueno, como veis hay varios puntos.

 Por un lado tenemos el contenido que como hemos visto, puede ser nuestro, puede ser de terceros, podemos capturar con nosotros, no lo podemos comprar, de acuerdo, Es un poco la capacidad de trabajar con distintos formatos.

 A continuación tendríamos la gestión de ese dato, el ser capaces de almacenarlo en el modelo o en la de la manera más eficaz posible.

 Utilizar el despliegue de los datos también que sea más eficaz de acuerdo, vendríamos yo a la parte del reality mapping, que es un poco la que nos va a interesar ahora.

 Esta parte del reality mapping cubre el proceso de planificación, captura de las imágenes y procesado del mismo para obtener ciertos productos, no tanto en 2D como en 3D.

 A partir de aquí.

 O sea, análisis que a veces será necesario y a veces no, porque a veces con visualizar nos bastará y otras veces querremos hacer análisis sobre la información.

 Y por último, pues nada, la parte de visualización que ya lo hemos visto al final es generar ese producto de información final acorde a quién lo va a ver al usuario final.

 ¿Si nos centramos en la parte de reality mapping, no en esta parte que veíamos aquí, qué vamos a obtener?

 Bueno, lo primero vamos a poder trabajar.

 Nosotros nos vamos a centrar en drones, pero vamos a poder trabajar con los sensores embarcados en cualquier, en cualquier elemento.

 Es decir, para poder ser aeronaves van a poder ser drones, por supuesto, pero también van a poder ser satélites, porque el procesado de la información nos va a dar, nos va a dar resultados tanto en 2D que serán modelos digitales de elevaciones o imágenes y también elementos en 3D o resultados en 3D, que serán nubes de puntos como las que hemos visto del centro de Sevilla y también mallas 3D, que las máquinas 3D combinan esa nube de puntos con con con la experiencia de fotografía, digamos, y nos da un nivel de realismo muy muy muy muy alto y bueno, aquí tendríamos ese, esa, esos datos.

 Nosotros, como decía, nos vamos a centrar específicamente en la parte de en la parte de los drones y para cubrir todo el proceso lo primero que tenemos que hacer es planificar el vuelo.

 Tenemos que encontrar una zona no restringida para volar nuestro nuestro dron.

 Nosotros hemos utilizado esta aplicación, la de Noire, que pues bueno, hay otras, pero esta es bastante bastante estimable que es la oficial, vaya para detectar esas zonas no restringidas para para el vuelo de drones.

 Y a partir de aquí nuestro compañero especialista en drones, pues generó un proyecto a partir de aquí, pues lo primero que tenemos que hacer es planificar nuestro vuelo.

 Tenemos distintos modos de vuelo, como habéis visto, y el primer paso que tenemos que hacer es planificar el vuelo.

 Tenemos que dar un poco el área, el área a cubrir.

 Necesitamos también meter ciertos parámetros como la altura, el solape ese, el tiempo, el propio área que tiene que cubrir y automáticamente la aplicación va a ser capaz de primero valorar el tiempo que le va a llevar hacer esto, saber el número de imágenes que tiene que tiene que tomar y calcular cosas como el número de baterías que va a necesitar.

 Una vez que ya ha metido todos estos parámetros, pues el siguiente paso sería descargarnos el mapa para que en el caso de que estemos una zona sin cobertura, podamos seguir trabajando offline y guardar el plan de vuelo que dejaremos tranquilo para cuando lo para cuando lo necesitemos.

 A partir de ahí, pues que nos queda volar.

 Nos tendríamos que desplazar a la zona, a la zona del vuelo.

 Lo primero que hay que hacer es rellenar un formulario de verificación que todo piloto de drones tiene que rellenar antes de iniciar e iniciar un vuelo.

 Aquí se verifica que efectivamente el vehículo está en condiciones óptimas, la cámara, la batería y el plan de vuelo que generamos, que también está, está operativo y a partir de aquí el dron ya es capaz de ejecutar ese vuelo de manera autónoma.

 Sabe las imágenes que tiene que tomar y dónde tomarlas.

 De acuerdo.

 Y aquí una vez termina la misión, pues vuelve al punto de inicio y ya podríamos comenzar la carga de todas estas imágenes que son de alta, altísima resolución.

 Ya las podemos descargar en la nube para empezar la siguiente parte, que es el procesamiento y análisis de las mismas.

 Aquí hemos hecho tres vuelos, hemos hecho un panorama tres 60 hemos generado también hemos hecho también un mapeo entrelazado y por último un mapeo de área con con video.

 Pues vamos ya a la parte del procesamiento.

 Bueno, aquí tenemos otra aplicación con los distintos vuelos que hemos hecho una vez seleccionamos el nuestro.

 Pues mira, aquí estamos viendo ese panorama.

 Tres 60 con todo el entorno de del vuelo.

 A continuación vamos a ver el segundo vuelo donde podemos ver todas las imágenes que se han tomado, el punto exacto donde se ha tomado en cada una de ellas.

 Y aquí podéis ver el proyector.

 Bueno, se ve bastante bien el nivel de nitidez o de resolución que adquieren este que adquiere este tipo de este tipo de imágenes tenemos varios análisis dinámicos, como puede ser esas curvas de nivel que estáis viendo.

 Los modelos digitales de elevaciones tenemos también modelos de desmonte y terraplén para calcular movimientos de tierras, si podemos también aislar volúmenes para compararlos, o si tuviéramos un CAD o otro objeto 3D para comparar entre entre ambos.

 Y en este caso, también podemos comparar entre una imagen satélite que es la que tenemos aquí a la derecha, y esa imagen de dron que tenemos a la izquierda que salta a la vista la resolución y en la diferencia resolución entre ambas, podemos hacer más análisis, podemos hacer y crear otro mosaicos térmicos y multi espectrales.

 Volvemos al planning.

 Podemos detectar automáticamente puntos de control para el vuelo o por ejemplo de efectos en pavimentos, pues extraer directamente grietas u otros otros elementos directamente de las imágenes que tomemos.

 Análisis de sombras.

 Aplicar índices de vegetación en este caso el vari para comprobar el vigor.

 Foto sintético de las de las plantas.

 En este caso llevar a cabo inspecciones de imágenes en detalle y muchas más cosas.

 Vale, hemos visto 2D.

 También podemos procesar y obtener productos en 3D.

 De acuerdo, aquí tenemos la nube de puntos que ha obtenido el dron Aquí, aquí.

 La estáis viendo sobre esa nube de puntos y voy a poder realizar mediciones.

 ¿Vale? Voy a poder medir ángulos.

 Voy a poder medir distancias.

 Voy a poder medir alturas.

 ¿De acuerdo? Y también hacer perfiles.

 Perfiles de elevaciones.

 ¿Cómo estáis? Como estáis viendo ahí.

 Además de esto, también hablábamos que obtenemos Otro de los productos que obtenemos en 3D son las mallas 3D, que como veis, pues añade esa resolución fotográfica y nos da un escenario hiperrealista.

 Bueno, ya llegamos a la última fase, a la de colaboración, o a lo mejor que siendo un poco pesada con esto, pero siempre hay que pensar qué hacemos con lo que obtenemos y a partir de aquí ya tenemos, ya hemos hecho nuestro vuelo, ya hemos procesado esas imágenes y ya tenemos esos resultados.

 ¿Qué hacemos con ello?

 Bueno, pues aquí podemos hacer un montón de cosas a través de distintas aplicaciones o a través de distintos productos de información para llegar al usuario final.

 Aquí tenemos varios ejemplos.

 Por ejemplo, tenemos esta escena 3D donde hemos añadido esas chinchetas que son incidencias, incidencias que se han ido tomando en campo de acuerdo, Así que le podemos añadir fotografías y demás y vemos todo lo que hemos los vuelos que hemos realizado.

 Estábamos viendo el entorno.

 Ahora vamos a ver el panorama tres tres, 60, que era el primer vuelo que hicimos.

 Hemos añadido la nube de puntos atendiendo a la altura o directamente en RGB, y como veis ahí estamos combinando todos los productos obtenidos.

 Aquí por ejemplo, hemos creado un cuadro de mando donde tenemos un montón de cosas, tenemos las incidencias, que son las chinchetas que podemos filtrar por quién nos ha dado de alta, por el tipo de incidencia.

 Como decía, podemos añadir esas esas imágenes pasar de los de al 3D.

 Tenemos nuestro panorama tres 60 ahí integrado.

 Hemos incrustado también mediante una plantilla, un mosaico de imágenes orientadas que como veis, nos va, nos va diciendo en el espectro que se cubre y por último, el propio formulario para dar de alta nuevas incidencias.

 Esto, pues, en una obra puede ser algo tremendamente, tremendamente útil.

 Y ya por último, como ejemplo de colaboración, os quería enseñar las herramientas de full motion video.

 Vale, volvemos a nuestra pro, a nuestra herramienta de escritorio.

 Y aquí por un lado, estáis viendo el vuelo que se realizó en la parte, en la parte izquierda, cómo se mueve o el la zona que cubrió el vuelo y luego en la parte derecha estamos viendo el vuelo en sí.

 Vale, esta parte también es también es bastante interesante.

 Estamos trabajando con ello en temas de incendios forestales.

 Los helicópteros a la hora de ellos capturan imágenes y luego se va viendo esa el recorrido que ha seguido la aeronave y bueno, pues esta parte también es bastante, bastante potente.

 ¿Vale?

 Bueno, pues hasta aquí la parte de drones.

 Perdona y vamos a cambiar de tercio.

 Y hablábamos antes del sistema del modelo.

 Déjenme lo digital.

 Perdonad, hemos visto un poco como construirlo, hemos visto otras maneras de de enriquecerlo bastante concretas y hemos hablado también de toda la parte de sensores de obtención de datos, la parte big data.

 Cuantos más sensores tengamos, cuanta más información tengamos, evidentemente más rico va a ser nuestro sistema de registro y más análisis vamos a poder hacer.

 Pero hay veces que es complicado manejar esa esa información que se nos quedan un poco cortas las herramientas, las herramientas convencionales en dependiendo de cómo tengamos nuestra arquitectura dispuesta, pues vamos a poder trabajar con premisa, es decir, en nuestras máquinas, en nuestros servidores, pero es cierto que cada vez se utilizan más las soluciones en la nube a través, sobre todo de data leaks, que son, ya lo sabéis, no contenedores, no o espacios especialmente diseñados para el almacenamiento y el tratamiento de datos que alcanzan el volumen.

 Big Data, como decía, puede que esté en nuestra propia infraestructura toda esa información, o puede que tengamos que irnos a otra infraestructura, que ya exista ese data ley del usuario y para ello pues tenemos una solución que es súper interesante, sobre todo en tiempos de procesado, que es bueno y en olítica en Yin que a fin de cuentas es una librería de Python de acuerdo que se despliega en el cluster de Spark del usuario directamente en su en su data ley.

 Vale, no tiene mayor complicación.

 Es en realidad es una.

 Es una librería. Vale, y aquí que hemos hecho este ejemplo es un poco menos visual, es un poco más árido, pero bueno, os lo cuento em para que os hagáis una idea, nosotros aquí lo que hemos hecho ha sido hacer un análisis sobre un montón de datos.

 Hemos descargado e datos ahí los ficheros que los datos ison en los barcos de gran tonelaje que hacen travesías internacionales, cada X tiempo van emitiendo latitud, longitud, fecha, tiempo, etcétera Entonces nos hemos descargado estos ficheros hoy de la Autoridad Marítima de Dinamarca, correspondientes a un mes.

 Esos han sido unos aproximadamente unos 55 gigas en formato CSV, es decir, ahí había muchísimos datos.

 Vale eso más de 10 millones de deposiciones al día.

 Cada fichero de cada día pesa en torno a dos gigas.

 Lo primero que hemos hecho ha sido unificar esos 30 ficheros, pasarlos a un formato que se llama parquet, que simplemente optimiza el almacenamiento de esta información, lo hace más ligera y lo hemos almacenado en un 3D de Amazon.

 He Bien, como decía, esto se levanta en un clúster despacho, simplemente se da de alta esa sesión y aquí veis que al final esto de Analytics es una librería que está importando.

 Estamos utilizando notebooks de notebooks de Python, vale, estamos importando esa librería simplemente al final, a continuación leemos esos ficheros de parquet que tenemos en nuestro S3 de Amazon y creamos un data.

 Ya tenemos esa información y en este caso tenemos más de 300 millones de registros que aquí. Esta es una tabla sin más.

 Lo interesante de todo esto son los tiempos.

 A continuación, hemos transformado la geometría que nos trae en una geometría ya proyectada que se utiliza en este caso Web Mercator.

 En no tiempo ya va a tener esas, esas e esa proyección incluida.

 ¿De acuerdo?

 Y en este caso lo que obtenemos son 317 millones de filas.

 Esto lo hemos hecho creo que en cinco minutos.

 En condiciones normales esto son varias horas.

 Vale, también dependerá del número de cores que se utilicen, pero en este caso ya os digo que se tarda en torno a cinco minutos, cuando normalmente este procesado llevaría horas.

 Una vez hecho este proceso, hemos hecho lo mismo que antes.

 Hemos generado esas teselas porque 100 millones de puntos no se ven aun.

 Entonces hemos generado ese test helado y hemos unas teselas para ver cuántas, cuántos puntitos caen dentro de cada que sale.

 Que sea un poquito más fácil visualizar esta información.

 Hemos creado unos beans, unas teselas hexagonales de diez kilómetros a través de ésta, de esta función y ya os hemos quedado simplemente en 17.000, en 17.000 filas, usando dos cores.

 Bueno, dos nodos.

 Esto tareas han sido seis minutos utilizando siete nodos poco más de un minuto.

 Esto es una barbaridad de tiempos de ejecución.

 Vale, aquí se ahorra muchísima, muchísimo tiempo de ejecución.

 Hemos hecho luego esto mismo en lugar de en diez kilómetros en beans o hexágonos de un kilómetro, para ver ahora un poquito la diferencia.

 Y aquí en lugar de 7000 filas, podríamos 725.001 poquito más.

 Bueno, pues aquí tendríamos un ejemplo de visualización de esos hexágonos de diez Km.

 ¿Vale?

 Y aquí tenemos esos otros de un kilómetro donde ya podemos empezar a ver perfectamente las trayectorias de los barcos.

 Bien, adicionalmente lo que vamos, que lo que vamos a hacer es quedarnos un poco y fijarnos un poco en ciertos barcos que pueden tener comportamientos anómalos.

 Vale, pues barcos que a lo mejor no se han movido en más de 12 horas o que están estando fuera de puerto.

 A lo mejor no se han movido en más de en más de 12 horas.

 Aquí lo que hacemos es centrarnos en un en un sitio en concreto en las inmediaciones del puerto de Flint.

 Y lo que vamos a hacer es un box box.

 Vamos a limitar el área de el área de estudio.

 ¿Vale?

 Y nos vamos a quedar simplemente con esos barcos que han estado en esa zona.

 Pues aquí los tendríamos.

 Ya tenemos un poco los barcos que no tenemos muy claro que han hecho y a partir de aquí vamos a reconstruir su trayectoria.

 En este caso nos hemos quedado con esos, con esos barcos.

 Como veis, y aquí tendríamos esa maraña.

 A partir de aquí ya podríamos sacar conclusiones o no, pero lo que sí que hemos hecho ha sido de un montón de datos imposibles de leer, pues en relativamente poco tiempo hemos sido capaces de detectar qué han hecho todos esos barcos, detectar los que estaban haciendo cosas.

 Bueno, cosas y.

 Y hemos sabido reconstruir sus tracks tanto antes como después de ese punto.

 Ese punto en concreto vale, aquí tendríamos los datos y en este caso nos hemos centrado en uno en concreto y vemos la reconstrucción de los días previos y posteriores a ese punto concreto en el que nos hemos nos hemos fijado aquí.

 Simplemente quiero que sepáis eso, que el tema del ahorro, tanto de costes en tiempo y en costes de máquina es muy, muy alto, vale, Y que también es mucho más fácil una vez que el usuario ya tiene montado Sudaka Play ir allí que traértelo.

 Traértelo tú.

 Porque volvemos a lo mismo, incurrimos en tiempos de procesado muy muy muy, muy altos.

 Vale pilla porque estoy alargando mogollón.

 ¿Pues os voy a enseñar algunos casos reales, vale?

 Porque todo esto son cosas que hemos hecho nosotros, pero sí que os quería enseñar algunos casos reales de aplicaciones hechas con nuestra tecnología en diversos ámbitos.

 Este es un portal hecho también con nuestras herramientas, no solamente las aplicaciones, sino todo lo que estáis viendo.

 La propia página web hecha con estas herramientas que generó el Cabildo de La Palma a raíz de la erupción de Del Volcán.

 De acuerdo, entonces aquí hay mogollón de mogollón de información y mogollón de secciones, de acuerdo.

 Pero bueno, yo me quería quedar principalmente aquí esta yo que soy el cuadro de mando de de calidad del aire en la en la Palma, pero yo me quería quedar principalmente con la parte del visor de mapas donde hay muchas aplicaciones bastante chulas que os recomiendo que si os interesa decís un vistacillo.

 Tengo aquí algunas abiertas para acortar los tiempos de espera y por ejemplo, aquí tenemos ese levantamiento 3D, esa malla que habíamos visto antes con el vuelo de drones.

 Esto se ha hecho con un vuelo de drones, se ha generado esta 3D de la de la colada de lava, que como véis la resoluciones es increíble y bueno, pues es bastante espectacular.

 De acuerdo, pues cómo llega aquí al mar y esta está bastante chulo y os recomiendo que le echéis un ojo.

 ¿Tenemos también la altura de la propia colada, no?

 A donde se ha acumulado más, más lava.

 Volvemos a esos hexágonos que yo los llevo contando todo el rato.

 No es una manera un poco de de de organizar la forma, la información de una manera homogénea en el territorio.

 Aquí veis las zonas donde más y menos lava se ha acumulado en la en las distintas coladas, cosas más sencillas pero también bastante visuales, como una comparativa del antes y el después, o sea una imagen satélite de de cómo estaba esta zona antes de la erupción y lo que a lo que tenemos ahora mismo, que está un poco en rojo.

 La parte digamos que sea que se ha salvado.

 ¿Y qué más os quería yo enseñar?

 Bueno, pues cambiando de tercio por completo, pues quería enseñar esta herramienta del Ayuntamiento de Madrid con el que ha querido hacer dar difusión a las obras del nudo norte.

 Tiene varios modelos integrados y hace un poquito de seguimiento de todo, que es la la obra, de acuerdo a que ahí, como decía ahí una introducción, volvemos a la parte de de difusión de la información, que un poco de lo que es introducción Aquí hay un vídeo del timelapse que no vamos a ver, pero para ver cómo han ido creciendo o como han ido evolucionando esas esas obras, un poco te va contando toda, toda esta parte.

 Y aquí volvemos a tener varias, varias aplicaciones, toda la parte de integración y a ver si esta funciona, porque ayer probé y estaba estaba caída.

 A mira, ya funciona y aquí tenemos, tenemos una combinación de datos que incluye pues desde la información del tráfico en tiempo real.

 Volvemos a esa parte de sensor instalada, tenemos esa parte de de información de tráfico a tiempo real y luego tenemos una serie de, digamos, de hitos que le está costando un poquito cargar a esto, una serie de hitos de acuerdo que se han ido llevando a cabo en las obras.

 ¿Aquí veis cómo está integrado esto da toda esta parte de del BIM directamente en él, en el visor, que qué tiene aquí que tiene aquí el Ayuntamiento?

 Bueno, que os invito a que le echéis un ojo a ver si ahora quiere cargar, que el está ahora.

 Ahora se ve mejor ya con los edificios y todo el entorno, el entorno añadido.

 Entonces se ven los distintos hitos que ha habido en las en las obras.

 ¿Y bueno, pues lo dicho, que os invito a que a que le echéis un ojo porque es bastante, está bastante, está bastante bien hecho, vale?

 Y bueno, pues la verdad es que por mi parte, por mi parte poco más.

 Esto era lo que, lo que os quería, lo que os quería enseñar y nada.

 Pues yo que sé. Muchísimas gracias por vuestro tiempo.

 No sé si tenéis preguntas ahora, más tarde las podéis remitir a cualquiera de los o de los emails que veis en pantalla.

 Y esto es para la charla.

 ¿Alguna pregunta?

 Si, una pregunta.

 ¿La la aplicación que has enseñado de risa al principio, eh?

 Que tenía un cuadro de un panel que salían todos los atributos a la izquierda.

 ¿Eso está hecha con Instant Apps o con con Instant Apps?

 Sí, es que intenté hacer una con Instant Apps, pero el el panel a la izquierda no me salía, sino que los Cuando tú pinchas en un en una entidad te salía e los atributos como como un sí, como una ventana emergente pues es una instant, seguro.

 Lo mismo no me acuerdo de cuál de ellas es, pero si quieres escríbeme y me lo recuerdas y te digo cuál utilices.

 ¿Vale, vale, si quieres vemos que que problema ha habido o si es otra o como cómo se hace?

 Vale, pues nada.

 Hola, yo quería preguntar acerca del Argi reality que hemos hablado de drones.

 Si ese programa tiene la capacidad de procesar los datos del dron o simplemente los visualiza, los procesa.

 Es decir, sería, digamos, la competencia de los programas propios de fotogrametría para drones o no estamos en ello.

 Vamos a ver si mi pregunta es sí, sí, es un poco.

 A ver, al final vamos creciendo y vamos dando solución a esas nuevas necesidades.

 Entonces sí, efectivamente lo que se ha hecho porque teníamos piezas, digamos, separadas y al final se ha creado este reality que como he dicho al principio, al final es una caja más grande donde hemos metido diferentes piezas que ahora sí somos capaces de dar solución al flujo completo.

 Ya desde la planificación del vuelo al vuelo autónomo en sí, al la captura de imágenes y su procesado y una que ya están procesadas e entran dentro del sistema, que es como cualquier otra capa o como cualquier otro elemento.

 Balilla, lo vamos a poder meter en cuadros de mando en cualquier otro o en cualquier aplicación.

 Entonces, ahora si damos, somos capaces de cubrir el flujo completo de de la captura y procesado de imágenes con dron y entonces yo espero que una pregunta, oiga, cuando por ejemplo, cuando una empresa os contrata o algo para hacer un proyecto y no tenéis datos de eso que queréis que os piden, no se me entiende que como cómo hacéis en plan ya, porque mucha información pública, pero sí que es cierto que para hacer cosas, para cosas más concretas, necesitas información que o tendrás que tener tú o pedís a otra empresa, yo qué sé.

 A ver, la mayoría de los casos, si tú no la puedes conseguir por métodos gratuitos, te queda el otro método que está dando la información al final.

 O sea, mucha información es es pública.

 Pero es cierto que a veces necesitas información más concreta o información que directamente a lo mejor no existe en el formato que tú quieres.

 Entonces ahí ya entra otro juego.

 A lo mejor necesitas volar un dron, a lo mejor necesitas contactar con alguna empresa de datos sociodemográficos o de consumo o de lo que sea, pero al final hay empresas que proveen de este tipo de servicio.

 A veces es capaz de generarlo tú solo porque tienes un compañero con capucha que puede volar drones y otras veces pues tendrás que llamar a alguna puerta y normalmente comprar esa información.

 Vale, vale, Gracias.

 Ahora tenemos un Hola.

 Bueno, pues espero que haya cubierto vuestras expectativas.

 Muchísimas gracias por asistir a esta sesión.

 Esta sesión forma parte de una serie de acciones que estamos haciendo desde RI para comunicar la necesidad que hay de personas que no solamente utilizan esta tecnología, sino que también tengan conocimientos que permitan desarrollar nuevas soluciones y llegar más lejos.

 Con esta tecnología empezamos a hacer este tipo de acciones hace un año, cuando nuestros partners y también clientes como los que habéis visto en la diapositiva y muchísimos más, nos transmitieron la necesidad de contar con este tipo de profesionales y nuevos profesionales, sobre todo que sean capaces de desplegar gemelos digitales, de trabajar con con inteligencia artificial.

 Y nosotros empezamos a hacer este tipo de eventos.

 Hemos empezado con los foros de empleo el año pasado.

 Este año estamos ya yendo a las universidades a trasladaros esta necesidad, a deciros que hay muchísimo empleo y muchísimo futuro dentro del desarrollo de aplicaciones de de sistemas de información geográfica.

 Y bueno, os he pasado un un formulario que sé que es muy analógico después de todo lo que ha hecho Alba, pasaros un formulario.

 Suena un poco a risa, pero bueno, no sabíamos otra forma de hacerlo porque no teníamos vuestros datos para para que si queréis podáis venir a nuestros foros de empleo, Vamos a hacer talleres, vamos a hacer seminarios, todo lo que hacemos desde redes, gratuito, absolutamente todo.

 Y que a los acompañaros a lo largo de carrera con soporte para que podáis seguir evolucionando en nuestra tecnología y en el desarrollo de vuestra profesión.

 Sé que me he quedado corta, no pensaba que ibais a venir tantos.

 Si alguno queréis no tenéis el formulario, pues lo podéis poner en el de un compañero.

 Y bueno, deciros que estamos a vuestra disposición.

 He estado hablando con vuestro profe José José Juan, José José Juan y estaremos en el en el Foro de Empleo de Octubre con vosotros.

 Pero mientras tanto nosotros vamos a seguir haciendo cosas. ¿Vale?

 Entonces si queréis que os mantengamos al día, nos va, nos habéis contando y ahora ya sabéis que sabemos que tenéis un grado específico de Legis, pues vamos a idear cosas más, más concretas para para vosotros
ha sido un placer y muchísimas gracias.