• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

Laboratorio

noviembre 18, 2026 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Noticias

Ya está disponible la versión 1.5 del laboratorio de Analytics Lane. Es una de las actualizaciones más amplias hasta la fecha: incorpora siete nuevas aplicaciones, añade un modo de reparación automática al Formateador JSON y mejora herramientas como el Simulador FIRE y K-Means.

Como en versiones anteriores, todo se ejecuta en el navegador. Las fotos, los ficheros y las claves que utilices no salen de tu equipo.

Nuevas aplicaciones

Esta versión amplía el laboratorio con herramientas para el trabajo diario con datos, para el aprendizaje automático y para la divulgación de probabilidad y estadística:

  • Extractor de tickets (OCR): convierte la foto de un ticket de compra en una tabla editable con conceptos, cantidades e importes. Lee tickets en castellano, gallego, inglés y francés, limpia y endereza la imagen antes de leerla, marca en amarillo las celdas dudosas y comprueba que la suma cuadra con el total, proponiendo una corrección cuando una fila explica la diferencia. El resultado se puede exportar a Excel o Sheets, texto, CSV o enviar al conversor CSV ↔ JSON.
  • SQL sobre CSV: permite consultar varios ficheros CSV, TSV, Parquet y JSON con DuckDB-WASM. Detecta separadores, coma decimal, codificación y fechas, incluye perfilado de los datos y consultas de ejemplo, y exporta los resultados completos sin subir ni guardar tus ficheros.
  • Número óptimo de clusters: recomienda cuántos clusters usar combinando 18 índices de validación por voto mayoritario, calculados en segundo plano. Está conectada con K-Means en ambos sentidos.
  • Calculadora HMAC: genera y verifica firmas SHA-1, SHA-256, SHA-384 y SHA-512 sobre texto o archivos de hasta 50 MB, con salida en hexadecimal, Base64 o Base64URL. Incluye ejemplos de GitHub, Stripe y la RFC 4231, generación de claves aleatorias y envío de JWT al inspector.
  • Descenso de gradiente: compara GD, Momentum, RMSProp y Adam en seis superficies, con mapa de contornos interactivo, trayectorias, curva de pérdida, presets didácticos, ruido reproducible y diagnóstico de convergencia o divergencia.
  • Aguja de Buffon: estima el valor de π con lanzamientos animados o con hasta 10 millones de lanzamientos en un Web Worker. Admite agujas cortas y largas, semilla reproducible, intervalo de confianza y análisis de convergencia y precisión, e incluye el caso histórico de Lazzarini.
  • Problema del cumpleaños: calcula probabilidades exactas e inversas, compara coincidencias triples y con una fecha concreta, simula grupos con calendario y semilla reproducible, y aplica el límite del cumpleaños a PIN, identificadores, UUID y hashes.

Reparación automática de JSON

El Formateador JSON estrena un modo que repara automáticamente JSON inválido: comillas simples o tipográficas, claves sin comillas, comas finales o que faltan, comentarios, literales de Python, bloques de Markdown, NDJSON y JSON cortado.

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

La reparación se presenta como una propuesta, con la lista de correcciones y una vista de diferencias, y no sustituye el texto hasta que la aceptas. Además, se puede deshacer. La herramienta avisa cuando un valor cambia de tipo o cuando el JSON parecía cortado y, si no es posible repararlo, indica la línea, la columna y la causa más probable del error.

Mejoras

  • Simulador FIRE: la aportación mensual puede aumentar un porcentaje cada año para reflejar las subidas de salario. Ahora se calcula el año en que se alcanzaría la independencia financiera aunque quede fuera del horizonte simulado, la gráfica muestra el capital objetivo ajustado por inflación y el progreso ya no se limita al 100 %, de modo que se ve el margen cuando se supera el objetivo.
  • Formateador JSON: validación en vivo, marcado de la línea con el error, aviso de claves duplicadas, descarga en .json y envío directo al conversor CSV ↔ JSON o al Comparador de Texto y JSON.
  • K-Means: admite hasta 15 clusters, ofrece una vista 2D para datos con más dimensiones y permite enviar los puntos directamente a Número óptimo de clusters.
  • Configuración: se añaden dos tamaños de letra más pequeños y el tamaño por defecto pasa de 16 a 14 px para leer mejor en portátiles.

Correcciones

  • El menú de configuración y el selector de idioma se alinean a la derecha y ya no se salen de la pantalla en dispositivos estrechos.

Seguimos evolucionando

Con esta versión, el laboratorio cubre más pasos del trabajo con datos: desde capturar la información de un ticket o consultar ficheros con SQL hasta elegir el número de clusters o entender cómo convergen los optimizadores. Seguimos apostando por herramientas prácticas, reproducibles y que respetan la privacidad de tus datos.

Como siempre, cualquier sugerencia o feedback es bienvenido.

Imagen de Michael Gaida en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Explorar un Dataset antes de Modelar
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos
  • Curiosidad: El puerto 80 y los números de puerto

Publicidad

Publicado en: Noticias Etiquetado como: Laboratorio

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Noticias

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

noviembre 18, 2026 Por Daniel Rodríguez

Cómo Explorar un Dataset antes de Modelar

noviembre 17, 2026 Por Daniel Rodríguez

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

noviembre 12, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring publicado el agosto 18, 2026 | en Ciencia de datos
  • Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura publicado el mayo 26, 2026 | en Python
  • Uso de múltiples ejes en Matplotlib publicado el agosto 4, 2022 | en Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto