Esta serie de videos explica los siguientes temas dentro del dominio de la ciencia de datos o data science:
- Imputación o manejo de datos faltantes
- Codificación de datos categóricos
- Técnicas de escalamiento, normalización y estandarización.
- Validación cruzada (cross-validation)
- Ajuste de hiperparámetros
- Técnicas para lidiar con clases desbalanceadas
- Distribución de datos e histogramas
- Detección de datos anómalos con diagramas de caja y la regla de Tukey
- Detección de datos anómalos con iForests (bosques de aislamiento)
- Regresión lineal
- K-vecinos más cercanos para clasificación
- K-vecinos más cercanos para regresión.
- Conjuntos de clasificadores o regresores (Bagging)
- Regresión logística
- Impureza Gini
- Bosques aleatorios para clasificación
- Objetivos de los conjuntos de datos para entrenamiento, validación y prueba
- La maldición de la dimensionalidad
- Fuentes de datos
- Detección de clusters con k-means
- Detección de clusters con DBSCAN
- Tipos de distancias para Clustering
- Métricas de regresión.
- Visualización de datos con matplotlib
- Manejo y análisis de datos con pandas
Las librerías que se utilizan son scikit-learn (sklearn), matplotlib, numpy y pandas.
Aulas do Curso
(117 vídeos)
0 de 117 aulas concluídas
0%
Progresso salvo somente neste navegador.
0
Escalamiento, Normalización y Estandarización de Datos con Python para Ciencia de Datos
Dentro del contexto de técnicas de aprendizaje de máquina, en este video se explica la problemática ocasionada por tener…
1
Por qué y cómo codificar datos Categóricos Ordinales usando Python con sklearn y pandas
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 18 d…
2
Análisis de Componentes Principales (PCA) para Reducir la Dimensionalidad de Datos usando Python
Este video explica en qué consiste el Análisis de Componentes Principales (mejor conocido como PCA por sus siglas en ing…
3
Detección de Datos Anómalos (outliers) con Bosques de Aislamiento (iForests) y Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 21 d…
4
Las Mejores Métricas para Evaluar Modelos de Regresión con Scikit-Learn: R2, MSE, RMSE, MAE y otras
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 3 de…
5
Codifica datos categóricos nominales para Machine Learning y Ciencia de Datos con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 12 d…
6
Fuentes de Datos que todo Científico de Datos debe conocer: Kaggle y más
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 29 d…
7
Distribución de Datos e Histogramas con Python
Sin utilizar fórmulas matemáticas, en este video se explica el concepto de distribución de frecuencias de datos y cómo m…
8
Imputación (o Manejo de Datos Faltantes) con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 21 d…
9
Diagramas de Caja (BoxPlots) y Datos Anómalos (outliers) con la Regla de Tukey en Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 15 d…
10
Visualización de Datos usando Matplotlib de Python - Curso introductorio a la creación de gráficas
En este video se explica cómo crear figuras para la visualización de datos utilizando Matplotlib: una de las librerías m…
11
Filtra Datos en DataFrames de Pandas para un mejor Análisis de Datos con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 26 d…
12
Cargar datos de Excel y CSV a DataFrames de Pandas con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 19 d…
13
Maneja y Analiza Datos con DataFrames de Pandas y Python
En este video se brinda una guía básica al uso de DataFrames de Pandas. Se explica cómo crear, modificar y acceder a los…
14
Series de Pandas: El Componente Principal de los DataFrames para Analizar Datos con Python
En este video se introduce al uso de Series de Pandas. Se explica cómo crear, modificar y acceder a los valores de las S…
15
Jupyter Notebook: Herramienta para el Análisis de Datos con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 5 de…
16
Correlación de Pearson y cómo crear Mapas de Calor de la Matriz de Correlaciones con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 29 d…
17
Regresión Lineal con Python
En este video se explica visualmente (casi sin fórmulas matemáticas) qué es un modelo de regresión lineal simple y cómo …
18
K-Vecinos Más Cercanos (KNN) para Clasificación con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 4 de…
19
Datos de Entrenamiento, Validación y Prueba: ¿Cómo crearlos y qué objetivos tienen? Machine Learning
?? Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de…
20
Árboles de Decisión (decision trees) usando Entropía con Python
En este video se explica cómo crear un árbol de decisión clasificador a partir de la entropía. Además, se presenta un ca…
21
Conoce la Maldición de la Dimensionalidad que afecta a Machine Learning y a la Ciencia de Datos
?? Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de…
22
Regresión Logística con Python
Explicación visual del fundamento matemático que sustenta los modelos de regresión logística y su creación utilizando Sc…
23
Qué es la Impureza GINI y por qué es tan relevante: Implementación paso a paso con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 15 d…
24
Random Forest (Bosque Aleatorio) para Clasificación con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 22 d…
25
K-means (o K-medias) para detección de Clusters: Algoritmo e implementación con Python
Explicación visual del algoritmo K-medias (o K-means) para detectar clusters y su programación utilizando Scikit-Learn d…
26
Cross-validation (o Validación Cruzada) para Evaluar Modelos de Machine Learning con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 13 d…
27
K-Vecinos Más Cercanos (KNN) para Regresión con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2021, 20 d…
28
Cómo crear Clasificadores de Machine Learning ante Clases Desbalanceadas asignando Pesos con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 24 d…
29
Identifica Clusters con DBSCAN: Algoritmo paso a paso e implementación con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 31 d…
30
3 Tipos de Distancias para Técnicas de Clustering con Python: Euclidiana, Chebyshev y Manhattan
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 7 de…
31
Qué son y cómo crear Meta-Clasificadores o Meta-Regresores: Bagging en Machine Learning con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 7 de…
32
Optimiza tus Modelos de Machine Learning ajustando Hiperparámetros con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 21 d…
33
Detecta Clusters con Propagación de Afinidad (Affinity Propagation): Algoritmo paso a paso en Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 4 de…
34
Una métrica esencial para clasificadores: Área Bajo la Curva ROC (Receiver Operating Characteristic)
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 2 de…
35
Qué es y cómo Analizar Datos con la Matriz de Covarianza: Un caso práctico con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 16 d…
36
3 Razones para Discretizar Datos Numéricos y Cómo Discretizar con Pandas de Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 30 d…
37
Descubre cómo manejar Datos ó Valores Faltantes Imputando con K-Vecinos más cercanos (KNN) y Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 13 d…
38
Explora y Visualiza Relaciones Estadísticas con Seaborn de Python: Gráficas de Línea y Dispersión
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 1° d…
39
Las 3 Medidas de Tendencia Central más Utilizadas: Promedio (o Media), Mediana y Moda con Python
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 18 d…
40
Descubre cómo Visualizar Datos Categóricos con Seaborn y Python: gráficas de violín, enjambre y ?
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 15 d…
41
Métricas para Clasificadores de Machine Learning ? Matriz de Confusión Precision Accuracy Recall F1
En el contexto de clasificadores de aprendizaje de máquina, este video explica métricas para evaluarlos calculadas a par…
42
Analiza Distribuciones de Datos con Python usando Cuantiles ? Cuartiles, Quintiles y Percentiles
Los cuantiles son valores que nos permiten particionar una distribución de datos en intervalos idénticos y con esto nos …
43
Rango, Varianza, Desviación Estándar y Rango Intercuartílico: Medidas de Dispersión con Python
Dentro de la estadística y el análisis de datos, las medidas de dispersión o variabilidad más utilizadas son: el rango, …
44
Distribución Normal (o Gaussiana) y la Regla Empírica 68-95-99.7 con Python
La distribución normal o gaussiana es un concepto fundamental de la estadística. Esta distribución es muy relevante y po…
45
Qué es la Estadística Inferencial: Fundamentos de la Ciencia de Datos con Python
La estadística inferencial permite sacar conclusiones sobre una población a partir de una muestra. Este video explica qu…
46
Diferencias entre la Correlación de Spearman y Pearson para el Análisis de Datos con Python
La correlación de Spearman es una medida estadística que mide la fuerza y dirección de la asociación monotónica de dos v…
47
Diferencias clave entre la Regresión y la Clasificación en Machine Learning
Los problemas que comúnmente se resuelven con técnicas de aprendizaje de máquina se pueden categorizar en problemas de r…
48
De dónde vienen las Puntuaciones Z y la Distribución Normal Estándar: Un ejemplo con Python
La distribución normal estándar y los valores z (o puntuaciones z) son dos conceptos altamente interrelacionados que for…
49
Formaliza tus resultados con Intervalos de Confianza: Qué son y cómo calcularlos con Python
La estadística inferencial permite sacar conclusiones sobre una población a partir de una muestra. Dentro de este contex…
50
Las 5 Técnicas de Muestreo que debes conocer: Un ejemplo con Python
La estadística y la ciencia de datos comúnmente trabajan con muestras. Sin embargo, la extracción de estas muestras tien…
51
Domina el Teorema del Límite Central: Qué es y por qué es tan Importante - Python
El teorema del límite central es un concepto fundamental de la estadística y de la ciencia de datos. Bajo ciertas condic…
52
Potencializa la utilidad de tus datos con BootStrapping usando Python
Bootstrap o Boostrapping es un método computacional de inferencia estadística que puede responder muchas preguntas estad…
53
Mejora tu Análisis de Datos con Medidas de Centralidad para Datos Categóricos usando Python
Explicación visual de las métricas de centralidad que aplican para datos categóricos nominales y ordinales. Además, se …
54
Analiza datos asociados a Rankings con el Coeficiente de Correlación de Kendall Tau-b
El coeficiente de correlación de Kendall tau-b evalúa el grado de similitud entre rankings. Este video explica cómo calc…
55
Entendiendo la Entropía en Machine Learning y Ciencia de Datos con Python
La entropía en Teoría de la Información es una medida de incertidumbre. Es una medida de la cantidad de información req…
56
Identifica Patrones y extrae Reglas de Asociación con el Algoritmo APRIORI usando Python
El Algoritmo Apriori calcula la probabilidad de un elemento de estar presente en un conjunto, dado que otro(s) elemento(…
57
Predice el Futuro y Conoce qué es el Pronóstico de Series de Tiempo: Una Introducción con Python
Hasta cierto punto, el pronóstico de series de tiempo nos permite predecir el futuro a partir de datos históricos. Este …
58
Análisis Exploratorio de Series de Tiempo con Gráficas de Autocorrelación y Retardo usando Python
Para poder predecir el futuro, necesitamos conocer cómo nos encontramos hoy con respecto al pasado. Esta filosofía es la…
59
Las 5 formas más Simples de Predecir el FUTURO en Series de Tiempo con Python: Media Móvil y ?
Predecir el futuro o pronosticar se puede realizar de múltiples formas, sin embargo, existen métodos relativamente simpl…
60
¿Qué tan buenos son tus Clusters? Métricas para Clustering con Python: Silueta y Davies Bouldin
Los clusters son patrones subyacentes o agrupamientos que se encuentran naturalmente dentro de datos. Existen muchas téc…
61
Qué son los Datos Desbalanceados y Cómo balancearlos usando Submuestreo y Sobremuestreo con Python
Un problema de clasificación que frecuentemente se presenta en contextos reales: es tener datos desbalanceados, lo cual …
62
Ni muy muy, Ni tan tan: Subajuste y Sobreajuste (under- & overfitting) - Machine Learning con Python
Utilizando la técnica de K-vecinos más cercanos para regresión, este video explica los problemas de sobreajuste (overfit…
63
Qué es y para qué se usa la Información Mutua: Una explicación paso a paso con Python
La información mutua es una medida de la cantidad de información que contiene una variable acerca de otra. Entre sus apl…
64
Qué es la Ciencia de Datos (o Data Science): EL ORIGEN
?? Los datos no mienten: La caída del cabello se frena con mantenimiento predictivo, no correctivo.
El nuevo shampoo só…
65
Mide la "DISTANCIA" entre dos Distribuciones con la Divergencia Kullback-Leibler (KL) usando Python
Entre otras aplicaciones, la Divergencia Kullback-Leibler (KL) o Entropía Relativa se utiliza en modelos generativos de …
66
Pronóstico de Series de Tiempo con Suavización Exponencial Simple en Python: Prediciendo el Futuro
Para realizar un pronóstico de series de tiempo, el método de Suavización Exponencial Simple toma en cuenta todo el hist…
67
Cómo saber si los Datos siguen una Distribución dada usando Gráficos Cuantil-Cuantil (o QQ) y Python
Los gráficos cuantil-cuantil o diagramas Q-Q se utilizan para verificar si un conjunto de datos sigue una distribución d…
68
Ciencia de Datos con Grafos: Introducción al Análisis de Redes con Python y NetworkX
Comúnmente analizamos datos en forma tabular, prácticamente como si fueran una hoja de cálculo. Sin embargo, dependiendo…
69
Medidas de Centralidad en Grafos o Redes: Centralidad de Grado, Cercanía e Intermediación con Python
Con una red (o un grafo) se puede modelar una red de transporte, los vínculos entre páginas web o las conexiones entre c…
70
Ley de los GRANDES Números (y el Valor Esperado) con Python
La Ley de los Grandes Números es uno de los pilares de la probabilidad. Este video explica e ilustra paso a paso la ley …
71
Qué es Deep Learning (o Aprendizaje Profundo): De la Neurona Biológica a la Red Neuronal Artificial
Deep Learning (o Aprendizaje Profundo) permite que las computadoras aprendan tareas usando Redes Neuronales en términos …
72
¿No tienes datos? ¡Auméntalos! Introducción a la Aumentación de Datos (Data Augmentation) con Python
Entrenar modelos de aprendizaje profundo (o deep learning) podría requerir una gran cantidad de datos. Sin embargo, comú…
73
¿Qué tipo de Correlación debo utilizar: Pearson, Spearman o Kendall?: Diferencias y Similitudes
El análisis de correlaciones es un método estadístico que investiga la relación entre variables, por ejemplo, la relació…
74
Qué es realmente el Valor P (o p-value) y las Pruebas de Hipótesis: Estadística con Python
El poder de la estadística se debe en gran medida a su capacidad de sacar conclusiones sobre una población a partir de u…
75
Cómo determinar si un Resultado es Estadísticamente Significativo: ¿Valor P menor a 0.05?
Cuando sacamos conclusiones a partir de datos, cómo podemos saber si esas conclusiones o resultados son estadísticamente…
76
Shapiro-Wilk vs Kolmogorov-Smirnov en Python: ¿Qué prueba de Normalidad utilizar?
La importancia de la distribución normal para la estadística es fundamental. Muchos tipos de análisis estadísticos traba…
77
BACKPROPAGATION: Cómo Aprende Matemáticamente una Red Neuronal Artificial Paso a Paso con Python
Explicación visual y matemática, paso a paso, de cómo aprende una red neuronal artificial. En particular, este video se …
78
La Muerte de las Neuronas: Problema del Desvanecimiento del Gradiente en Redes Neuronales Profundas
En el entrenamiento de las redes neuronales profundas existe un problema muy importante llamado el desvanecimiento del g…
79
Funciones de Activación de Redes Neuronales: Sigmoide, ReLU, ELU, Tangente hiperbólica, Softplus y ?
Las redes neuronales profundas están compuestas de múltiples neuronas artificiales. En el núcleo de esas neuronas se enc…
80
Desmitificando las Funciones de Pérdida o Error: Fundamentos de Deep Learning
Uno de los conceptos más importantes del aprendizaje de máquina y en particular del aprendizaje profundo, son las funcio…
81
Tu primera Red Neuronal para Clasificar Imágenes con Python y TensorFlow: Perceptrón Multicapa MLP
Explicación visual y paso a paso de cómo implementar una Red Neuronal Artificial, en particular, un perceptrón multicapa…
82
Descifrando el Misterio: Redes Neuronales Convolucionales (CNNs) con Python y Tensorflow
Las redes neuronales convolucionales, son un tipo de red neuronal especializada en procesar datos que se encuentran en u…
83
Qué es el Teorema de Aproximación UNIVERSAL y por qué es tan importante para las Redes Neuronales
El Teorema de Aproximación Universal de las redes neuronales, demuestra que independientemente de qué función estemos tr…
84
¿Qué es el Procesamiento de Lenguaje Natural o NLP? De palabras a vectores hasta ChatGPT y Gemini
Con la llegada de los Modelos de Lenguaje de Gran Tamaño, como ChatGPT o Gemini, el Procesamiento de Lenguaje Natural ha…
85
Cómo Crear una Nube de Palabras en Python: Guía Práctica de Análisis de Texto
Una forma de analizar texto muy simple, pero a su vez muy ilustrativa, es la nube de palabras. Esta herramienta muestra …
86
Automatiza la Extracción de Datos o Texto en PDFs usando Expresiones Regulares y Python
Este video explica cómo automatizar la extracción de texto de un repositorio de PDFs utilizando como ejemplo la extracci…
87
Análisis de Asociación entre Variables Nominales Categóricas: La V de Cramer con Python
Comúnmente un análisis estadístico involucra explorar asociaciones entre dos variables. Sin embargo, cuando estas variab…
88
Clustering: El Análisis de Agrupamientos, Cúmulos o Conglomerados de Machine Learning y Data Science
Con múltiples aplicaciones, por ejemplo, detectar qué tipos de clientes tiene una empresa, clustering es una de las técn…
89
¿Qué es y por qué es importante la Curtosis?: Un análisis de anomalías con Python usando Kurtosis
La curtosis, entre otros aspectos, nos indica qué tan propensa es una distribución de datos a tener valores atípicos. Un…
90
¿Qué es la Regresión Cuantílica?: Más Allá de la Media
Los modelos de regresión normalmente hacen predicciones sobre la media. Sin embargo, la Regresión Cuantílica nos permite…
91
Qué es la Similitud Coseno: Usos Prácticos en Machine Learning con Python
La similitud coseno es una métrica con aplicaciones en aprendizaje de máquina y muchos otros dominios. Este video explic…
92
¿Hay un Algoritmo de Machine Learning Mejor a Todos?: El Teorema de No Hay Almuerzo Gratis
David Wolpert et al., demostró matemáticamente que todos los algoritmos de aprendizaje de máquina supervisado son equiva…
93
Word2Vec: Red Neuronal para habilitar el 'Razonamiento' en IA - De Palabras a Vectores
Word2Vec es un método que obtiene representaciones matemáticas/vectoriales de palabras (word embeddings) a la vez que so…
94
Clustering Jerárquico: ¡Crea Dendrogramas y Detecta Clusters como un Profesional con Python!
Clustering o detección de patrones subyacentes que se encuentran de una forma natural dentro de un conjunto de datos, es…
95
Lematización y Stemming: Técnicas Clave para Analizar y Procesar Texto con Python
Nuestro lenguaje es complejo, por ejemplo, al conjugar un verbo éste adopta muchas formas: comer, comí, come, comeremos,…
96
Asimetría (Skewness) en Estadística: ¿Por qué Importa y Cómo Calcularla con Python?
Determinar la simetría o asimetría de nuestros datos nos permite extraer conclusiones sobre su distribución. Este video …
97
Analítica Descriptiva, Predictiva y Prescriptiva para Negocios
La analítica de datos (también conocida como analítica de negocios por sus aplicaciones comerciales) consiste en extraer…
98
Predicción Conformal: Confianza Estadística en Machine Learning
La Predicción Conformal (o Conforme) cuantifica la incertidumbre de las predicciones de modelos de Machine Learning.
??…
99
Julia para Ciencia de Datos: ¿Reemplazará a Python?
Julia es un lenguaje de programación enfocado en cómputo científico y ciencia de datos. Este video presenta argumentos y…
100
¿Qué puede Aprender una Red Neuronal sobre los Simpsons? Word2Vec + Python
Word2Vec es un método que obtiene representaciones matemáticas/vectoriales de palabras (word embeddings) a la vez que so…
101
Julia + Python: Un solo Código para Ciencia de Datos
Python a pesar de tener un ecosistema de ciencia de datos y aprendizaje de máquina muy robusto, es altamente criticado p…
102
N-gramas: Procesamiento de Lenguaje Natural con Python
Los N-gramas son secuencias de palabras de longitud N. Se utilizan para extraer unidades semánticas relevantes (compuest…
103
TF-IDF: Vectorización de Documentos para NLP con Python
En general, las técnicas de aprendizaje de máquina no pueden trabajar con texto directamente, por lo tanto, es necesario…
104
Kappa de Fleiss: La Clave para Validar el Etiquetado de Datos en Machine Learning
El Coeficiente Kappa de Fleiss mide el acuerdo entre n expertos y tiene aplicaciones en la validación del etiquetado man…
105
Ingeniería en Inteligencia Artificial, Ciencia de Datos o Computación: ¿Qué estudio?
Este video presenta las diferencias y similitudes entre Ingeniería en Computación, Inteligencia Artificial y Ciencia de …
106
Autoencoders: Una Red Neuronal que Codifica y Reconstruye Datos en Python
Un autoencoder o autocodificador es un tipo de arquitectura de red neural diseñada para codificar datos o para extraer l…
107
Redes Neuronales en IA: Conceptos Clave para Principiantes
Cuando estamos iniciando en el mundo de las redes neuronales artificiales, hay muchos conceptos y términos relativamente…
108
¡Cuidado! ?? La Desviación Estándar puede Engañarte ?? Descubre la Desviación Absoluta de la Mediana
La medida de dispersión más utilizada en estadística es la desviación estándar, sin embargo, utilizarla sin un análisis …
109
Interpretabilidad en Machine Learning: Importancia de Variables por Permutación con Python
Interpretación es el grado en el qué podemos entender la causa detrás de una decisión. En el contexto de la IA, en parti…
110
La Trampa Oculta que Sabotea tu Modelo de Machine Learning: FUGA DE DATOS
Uno de los problemas más frecuentes cuando estamos creando/entrenando modelos de aprendizaje de máquina es que sobreesti…
111
¿Tu modelo predictivo falla? Probablemente sea por esto: Valores atípicos (outliers)
Este video explica uno de los errores más comunes que cometemos cuando creamos modelos predictivos.
?? Xiperia ofrece c…
112
Sesgo, Varianza y Ruido Irreducible: El Error de Generalización en Machine Learning
Este video explica el Error de Generalización en Machine Learning.
?? Xiperia ofrece consultoría empresarial que transf…
113
¿Correlaciones Falsas?: Corrección Bonferroni al Rescate!
Cuando realizamos múltiples pruebas de hipótesis, aumenta la posibilidad de obtener resultados significativos solo por a…
114
Residuos Heterocedásticos: El Error Silencioso en Regresión Lineal
Para construir un modelo válido de regresión lineal (una de las técnicas más utilizadas en ciencia de datos) es fundamen…
115
Análisis Profesional de Cuestionarios Likert en Python | Guía Completa
Uno de los mecanismos más utilizados para recolectar datos son los cuestionarios con respuestas en escala Likert. La esc…
116
Precisión o ilusión de precisión: Cómo interpretar el símbolo ±
El número que aparece después del símbolo ± puede representar conceptos distintos: 1) la desviación estándar, 2) el erro…