Ciencia de datos
La ciencia de datos es un área de conocimiento interdisciplinar en el cual se utilizan procesos para recopilar, preparar, analizar, visualizar y modelar datos para extraer todo su valor. Pudiéndose emplear tanto con conjuntos de datos estructurados como no estructurados. Los científicos de datos, los profesionales de esta área deben poseer grandes conocimientos de estadística e informática. Además de conocimiento de los procesos que están modelando.
Con la ciencia de datos es posible revelar tendencias y obtener información para que tanto las empresas como las instituciones puedan tomar mejores decisiones. Basando estas así en conocimiento validado no en intuiciones.
Las publicaciones de esta sección abarca diferentes temas de áreas como la estadística, la minería de datos, el aprendizaje automático y la analítica predictiva.
Criptografía
La criptografía es el área de conocimiento en el que se estudian las técnicas para poder garantizar la comunicación y almacenamiento seguro de información en presencia de terceros. Así como poder garantizar la integridad y fidelidad de los datos. Además de usarse en la autentificación de usuarios, validación de documentos y la creación de criptomonedas. Empleándose para ello técnicas provenientes de áreas como son las matemáticas, la informática, las telecomunicaciones y la física.
En las publicaciones de esta sección se habla de técnicas para el cifrado de datos, almacenamiento seguro de datos, cadenas de bloques (blockchain) y de la nueva área de la computación cuántica. Algunas de las aplicaciones más interesantes de la criptografía.
Herramientas
Las publicaciones de la sección herramientas abarcan otras aplicaciones que pueden ser de ayuda en el trabajo del día a día. Entre las aplicaciones más habituales en esta sección, aunque no las únicas, es posible destacar algunas como Excel, bases de datos, VirtualBox, Git, RapidMiner, …
En esta sección además de las herramientas anteriores también se tratarán puntualmente otras herramientas que pueden ser interesantes.
Machine Learning
Machine Learning (Aprendizaje Automático o Aprendizaje Máquina) es la rama de la inteligencia artificial que estudia cómo construir sistemas que puedan aprender automáticamente de la experiencia. Esto es, sistemas que puedan realizar mejores predicciones o tomar mejores decisiones a medida que aumenta su experiencia.
Los algoritmos de Machine Learning se dividen en tres categorías en función de los datos utilizados: aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo. En aprendizaje supervisado se utilizan conjuntos de datos, durante el proceso de entrenamiento, en los que se conoce el valor que debe reproducir el modelo. Pudiéndose medir el desempeño de los modelos en base a lo bien que reproduce posteriormente estos valores en otros conjuntos de datos. Tal como se puede intuir del nombre, en el caso de aprendizaje no supervisado, no se busca que los modelos reproducen un valor concreto. Siendo el objetivo de estos modelos identificar patrones que permitan separar y clasificar los datos en diferentes grupos. Por otro lado, en aprendizaje por refuerzo se busca la creación de agentes que pueden realizar acciones sobre un entorno. Siendo este un aprendizaje completamente diferente a los dos anteriores.
Noticias
En la sección de noticias se publican novedades acerca de los diferentes temas tratados en el blog. Entre los que se pude destacar la Ciencia de Datos, la criptografía, los lenguajes de programación, las librerías y las herramientas que utilizamos habitualmente. Además de novedades e información sobre el propio blog.
El contenido de esta sección es el único perecedero de todo el publicado blog. Por lo que es importante consultar la fecha de publicación, ya que el contenido puede estar desfasado en el momento de consulta.
Opinión
En la sección de opinión se encuentran las publicaciones más personales y subjetivas del blog, representando cada una de ellas únicamente la opinión de los autores. Las entradas pueden ser tanto opiniones o reflexiones personales, como recomendaciones generales o de productos, hasta el análisis e interpretación de conjuntos de datos o resultados de modelos.
Todas las opiniones expresadas en las publicaciones de esta entrada del blog, al igual que el resto, son únicamente de sus autores, salvo que se indique explícitamente lo contrario.
Productividad
La productividad es una capacidad clave para alcanzar el éxito en prácticamente cualquier actividad, tanto la personal como la de los equipos de trabajo. Por lo que es importante conocer buenas metodologías y aplicar aquellas que mejor se adaptan a nuestra actividad. Entre las metodologías de productividad personal algunas de las más populares son GTD, Time Blocking o Pomodoro. Por otro lado, en el mundo del desarrollo los Métodos Ágiles y Scrum son algunos de los marcos más importantes.
Programación
En programación se agrupan las entradas de los cinco lenguajes sobre los que se publica en el blog. Los cuales son los más utilizados en la actualidad por los científicos de datos:
