El Análisis de Componentes Principales (PCA) es una técnica ampliamente utilizado en aprendizaje automático. Se utiliza para reducir la dimensionalidad (el número de variables o columnas) de los conjuntos de datos manteniendo al mismo tiempo la mayor cantidad de información posible. PCA transforma las variables originales en otras nuevas, llamadas componentes principales, … [Leer más...] acerca de Introducción al Análisis de Componentes Principales (PCA)
Seis años de Analytics Lane
Hace exactamente seis años, el dos de mayo de 2018, nació Analytics Lane con sus dos primeras publicaciones: una presentación del blog y un tutorial sobre como trabajar con archivos CSV comprimidos en R. Desde entonces, el blog ha recorrido un camino lleno de datos, análisis y aprendizaje. Hoy, en el sexto aniversario del proyecto, es un momento perfecto para reflexionar sobre … [Leer más...] acerca de Seis años de Analytics Lane
Cómo ignorar certificados SSL inválidos con wget
Los certificados SSL que no han sido emitidos por una autoridad de certificación o caducados no son de confianza. Por eso, al acceder a una web con un certificado no válido los navegadores suelen avisar de los riesgos y pedir confirmación para continuar. Igualmente, wget no descarga el contenido cuando se encuentra con un certificado no válido. Lo que, en la mayoría de los … [Leer más...] acerca de Cómo ignorar certificados SSL inválidos con wget
Visualización de datos con Pyjanitor y Matplotlib o Seaborn: Potenciando el análisis visual
La visualización de datos es una parte clave del análisis de datos y comunicación de los resultados. Facilitando la comprensión de patrones, identificación de tendencias y comunicación de hallazgos de una manera más sencilla y efectiva que solamente estadísticas. En esta cuarta y última entrega la serie dedicada a Pyjanitor se explicará cómo se puede combinar con bibliotecas … [Leer más...] acerca de Visualización de datos con Pyjanitor y Matplotlib o Seaborn: Potenciando el análisis visual
Desmitificando Elliptic Envelope: Una exploración de la detección de anomalías con estimación de covarianza elíptica
Entre los algoritmos de Machine Learning para la detección de anomalías Elliptic Envelope destaca por su capacidad para modelar la distribución de los datos utilizando una elipse en el espacio de características. Un enfoque efectivo para identificar anomalías en conjuntos de datos multivariados donde la mayoría de los datos se distribuyen de manera normal. Lo que lo convierte … [Leer más...] acerca de Desmitificando Elliptic Envelope: Una exploración de la detección de anomalías con estimación de covarianza elíptica
Integración de Auth0 en una aplicación Express
La autenticación de los usuarios es un parte fundamental para cualquier aplicación o servicio en línea. La necesidad de garantizar tanto la seguridad como la privacidad de los usuarios ha llevado al desarrollo de estándares y protocolos para abordar los desafíos que presenta la autenticación en los entornos modernos, como son OAuth 2.0 y OpenID Connect (OIDC). Por lo tanto, … [Leer más...] acerca de Integración de Auth0 en una aplicación Express
Tres libros para celebrar el Día del Libro aprendiendo sobre Machine Learning
Hoy es el día del libro. Qué mejor manera de celebrar este día que recomendar tres libros esenciales sobre Aprendizaje Automático y Machine Learning. Unos libros que son adecuados tanto para introducirse en el campo como para profundizar en temas más avanzados. Además, todos ellos, a pesar de estar escritos originalmente en inglés, cuentan con traducciones al español que los … [Leer más...] acerca de Tres libros para celebrar el Día del Libro aprendiendo sobre Machine Learning
Transformación de datos con Pyjanitor: Potenciando el análisis de datos
La transformación de los datos es una fase crucial en cualquier proyecto de ciencia de datos. Preparar los datos de entrada para que tengan un formato adecuado para el análisis que se desea realizar puede ser la diferencia entre el éxito o fracaso del proyecto. La biblioteca Pyjanitor ofrece varios métodos para simplificar y optimizar este proceso. En esta entrada, se … [Leer más...] acerca de Transformación de datos con Pyjanitor: Potenciando el análisis de datos
La distancia de Mahalanobis
Dentro del aprendizaje automático, es habitual tener que trabajar con conjuntos de datos multidimensionales donde las variables están interrelacionadas. En estos casos, para cuantificar la similitud entre puntos, es aconsejable tener en cuenta la estructura de los propios datos. Algo que no sucede en las distancias usadas habitualmente como la Euclídea. Una métrica que si tiene … [Leer más...] acerca de La distancia de Mahalanobis
Integración de aplicaciones locales en Internet con servicios en desarrollo mediante Serveo
Durante el desarrollo de una aplicación a menudo nos encontramos con la necesidad de integrar servicios externos que requieren de una dirección pública para responder. Por ejemplo, servicios de autenticación o API de terceros. Algo que es problemático cuando la aplicación solo responde en localhost. Una solución es publicar está en un servidor de desarrollo que tenga una … [Leer más...] acerca de Integración de aplicaciones locales en Internet con servicios en desarrollo mediante Serveo
Limpieza de datos con Pyjanitor: Optimizando los flujos de trabajo
Contar con unos datos de calidad es clave para que los resultados de un análisis de datos sean válidos. Sin embargo, en la mayoría de las ocasiones, los conjuntos de datos suelen tener múltiples problemas de calidad. Por ejemplo, la presencia de valores nulos, nombres de columnas no estandarizados y datos mal formateados. En esta entrada se analizará las opciones existentes … [Leer más...] acerca de Limpieza de datos con Pyjanitor: Optimizando los flujos de trabajo
Explorando Local Outlier Factor (LOF): Un enfoque eficaz para la detección de anomalías
Los modelos de detección de anomalías es una parte del aprendizaje automático en la que cada vez existe un mayor interés. Siendo una tarea crítica en diferentes áreas como la seguridad informática, el mantenimiento predictivo o el monitoreo de la salud. Uno de los algoritmos más populares para esta tarea es Local Outlier Factor (LOF). Este algoritmo identifica las anomalías de … [Leer más...] acerca de Explorando Local Outlier Factor (LOF): Un enfoque eficaz para la detección de anomalías