52 noticias
La función ntile() del paquete dplyr, parte del ecosistema tidyverse, no debe utilizarse cuando la precisión estadística es crítica. Aunque su nombre sugiere la creación de grupos por cuantiles, su implementación interna difiere significativamente de la lógica estándar de binning estadístico, lo que
Scry es una herramienta de análisis de datos diseñada para identificar patrones de contenido en plataformas sociales y académicas mediante consultas SQL específicas. Su función principal es detectar qué cuentas pequeñas publican contenido sobre modelos de lenguaje de gran escala (LLM) que los usuari
Un proyecto personal documenta el proceso de selección de la mejor variedad de mango mediante una metodología cuantitativa rigurosa. La iniciativa, motivada por la nostalgia de un postre específico, involucró la compra de 17 variedades distintas en el Lalbagh Botanical Garden. El autor organizó un c
El artículo argumenta que la librería Python Pandas debe ser reemplazada por herramientas más eficientes como Polars y DuckDB, ya que las ineficiencias de Pandas fuerzan a los usuarios a adoptar sistemas de consulta distribuidos complejos antes de que sus cargas de trabajo lo justifiquen. El texto i
Un análisis empírico sobre el porcentaje real de commits de corrección ("fix") en proyectos de software desmonta la extendida creencia del 15%. El autor, al incorporarse a un nuevo empleo, observó que el repositorio principal de su empresa rondaba esa cifra (exactamente un 14,87%) y decidió comproba
Una comunidad creciente de creadores de contenido en redes sociales ha transformado el uso avanzado de Microsoft Excel en un fenómeno de masas, con seguidores que suman cientos de miles y competiciones oficiales con premios en metálico. El irlandés Diarmuid Early ganó en diciembre de 2025 en Las Veg
The Rebrand Forecast es un análisis visual e interactivo que examina varias décadas de cambios de nombre en productos de Microsoft para extraer patrones sobre la frecuencia y duración de cada identidad comercial. La pieza combina estadísticas, contextualización histórica y humor, y se apoya en un re
Polars es una biblioteca de Python para transformar, analizar y visualizar datos mediante una API de DataFrames rápida y expresiva, publicada por primera vez por Ritchie Vink en 2020. A diferencia de pandas, no emplea un índice de filas y favorece la inmutabilidad y el encadenamiento de métodos; sus
El ingeniero y bloguero Dr. Drang condensa en este artículo su filosofía personal sobre las hojas de cálculo, resumida en una consigna: "No las uses". El texto, publicado en su blog 'Lean Crew', combina experiencia profesional y reflexión práctica para explicar por qué evita esta herramienta en proy
El programador Abhinav Sarkar, miembro de Lobsters desde junio de 2018, descargó sus 220 envíos a la comunidad mediante la API JSON del sitio y los sometió a un análisis estadístico. En los primeros seis años su actividad fue muy reducida, pero a partir de mediados de 2024 se intensificó notablement
Un artículo de blog analiza con humor la llamada "regla de los tres seis" —el supuesto estándar que exigiría a un hombre al menos 1,80 m de altura, 15 cm de longitud y un sueldo de seis cifras para resultar "digno de ser citado"— y la contrasta con distribuciones estadísticas reales. El autor aplica
El periodista y desarrollador Max Glenister llevaba más de cuatro años compartiendo sus resultados diarios de Wordle en un chat de WhatsApp por costumbre, sin sospechar que تلك الرسائل se convertirían en el registro más detallado de su trayectoria en el juego. Cuando el New York Times trasladó las e
Un análisis sobre los 3.170 pubs de Londres identifica The Greene Man, en el 383 de Euston Road, como el local más equidistante de la capital británica. El estudio mide los tiempos de viaje en transporte público desde el centro poblacional de cada uno de los 33 barrios londinenses hasta cada pub, ut
Detrás de un archivo CSV aparentemente trivial se esconde un problema mucho más complejo: ayudar a quien lo abre a construir un modelo mental de lo que contiene en los primeros cinco minutos. Esa es la motivación del proyecto CSV Unwrap, que el autor describe en primera persona. El texto repasa var
ADA es una herramienta de código abierto pensada para que cualquier usuario, sin configurar una plataforma de BI, suba un archivo CSV, XLSX o XLSM y obtenga un panel interactivo con el cálculo detrás de cada cifra. El sistema limpia los datos, detecta el esquema de negocio (métrica principal, fecha,
Un análisis sobre 3.214.874 pedidos de Instacart —publicados originalmente por la compañía como conjunto de datos de código abierto en Kaggle— revela cuáles son las combinaciones de productos menos habituales en la cesta de la compra. El conjunto incluye alrededor de 10 productos por pedido y 49.688
Google ha renombrado su herramienta de investigación con inteligencia artificial NotebookLM, que ahora pasa a llamarse Gemini Notebook. La compañía ha presentado, además, una actualización que convierte cada cuaderno en un contenedor seguro en el que el usuario puede generar y ejecutar código para a
El número 1 es el más popular en los titulares de las historias de Hacker News, con 48.559 apariciones, seguido de cerca por el 2 (45.970) y el 3 (40.056). Así lo revela un análisis del conjunto de datos público de HN alojado en el playground de ClickHouse, realizado por Max Glenister a partir de un
Un investigador de fi-le.net publica un análisis cuantitativo de los tiempos de demora entre el envío y la publicación de preprints en arXiv, motivado por la retención de su propiaSubmission en la cola de moderación. Para ello, recopiló 63.847 artículos entre el 28 de enero de 2015 y el 4 de abril d
Automatiza Excel con Python es un libro técnico dirigido a profesionales que trabajan con hojas de cálculo y quieren migrar tareas repetitivas a código. La obra se estructura en tres bloques progresivos. La primera parte, 'De hojas de cálculo a dataframes', sienta las bases de Python y de la librerí
La Ley de Benford establece que en conjuntos de datos del mundo real —poblaciones de ciudades, longitudes de ríos, precios bursátiles, constantes físicas— el primer dígito no se distribuye de forma uniforme: el 1 aparece como dígito inicial alrededor del 30 % de las veces, mientras que el 9 lo hace
Hobbes es un lenguaje de programación fuertemente tipado con un compilador JIT integrado y runtime diseñado para la evaluación dinámica eficiente de expresiones, almacenamiento y análisis de datos. Desarrollado por Morgan Stanley, se integra de forma nativa con aplicaciones C/C++ ofreciendo máximo r
BitBoard es una herramienta que permite generar paneles de análisis conectando fuentes de datos y utilizando agentes de inteligencia artificial. A diferencia de los chats efímeros con asistentes de IA, BitBoard convierte cada análisis en activos duraderos y compartibles. La plataforma almacena conex
El número de personas que emigran anualmente ha aumentado significativamente, pasando de 13 millones en 2000 a aproximadamente 35 millones en 2023. Un estudio publicado en Nature revela estos patrones migratorios globales, analizando los movimientos entre 230 países y territorios desde 1990 hasta 20
Este proyecto es una exploración profunda de la "arqueología digital" que transforma un registro masivo de conversaciones en una estructura de conocimiento organizada, similar a un CRM personal. El autor, Vadim Drobinin, analizó 1.2 millones de mensajes de los últimos 20 años para entender su "banda
Este proyecto de investigación explora un fenómeno fascinante: la capacidad de los modelos de lenguaje grandes (LLM) como GPT-4.1 para generar números aleatorios. Contrario a la intuición, los humanos no son buenos generadores de números aleatorios. Tienden a elegir números predecibles, como 37 y 73
Este anuncio de Coverage Cat busca un "Fractional Growth Engineer" (Ingeniero de Crecimiento Fraccionario) para un puesto a contrato. Aunque el título puede sonar nuevo, la esencia del rol es crucial para empresas que buscan escalar rápidamente, especialmente en el sector de tecnología, y es una ten
El sitio web sfcrime.pages.dev/judge.html presenta una herramienta innovadora para analizar el desempeño de los jueces del tribunal penal de San Francisco, basándose en la percepción pública de sus decisiones de liberación bajo fianza. En esencia, la herramienta permite a los usuarios comparar la op
Este artículo compara la experiencia de trabajar con R y Kap, dos lenguajes de programación, especialmente en el contexto del análisis de datos. El punto de partida es un artículo que critica la 'torpeza' de Pandas, la biblioteca de análisis de datos de Python, al compararla con R. El autor, familia
El repositorio de GitHub `kodak-pcd0992-statistical-characterization` desarrollado por PearsonZero, aunque aparentemente específico, aborda un problema fundamental en el mundo de la computación en la nube y, particularmente, en la gestión de contenedores como Kubernetes: la **caracterización estadís
Este artículo, escrito por MohammadHossein Jamshidi (un estudiante de doctorado en Física/Cosmología y también ingeniero de animación con experiencia en la industria de los videojuegos), explora el uso innovador de Nodos de Geometría en Blender para aplicaciones cosmológicas. El objetivo principal e
Este artículo de Antithesis.com explora el uso de 'skiplists' y una extensión llamada 'skiptrees' para resolver un problema específico de rendimiento en el análisis de datos. Inicialmente, los skiplists se consideraban una estructura de datos de nicho, pero la empresa descubrió su utilidad para opti
## Hacker News: Un Explorador de Indultos Presidenciales con Playwright, SQLite y Astro El proyecto descrito es una aplicación web creada para facilitar la investigación y verificación de indultos presidenciales. Inspirado en el trabajo de Liz Oyer (probablemente una investigadora o periodista que
El artículo explora cómo la teoría de categorías puede proporcionar una comprensión más profunda de la estructura interna de las librerías de DataFrames, como pandas. La complejidad de estas librerías, con sus numerosos métodos (a veces más de 200), puede llevar a una memorización superficial de la
Este artículo describe un sistema de gestión de inventario de componentes electrónicos, creado por el autor para mantener el orden en su laboratorio. El problema que aborda es la acumulación de piezas a lo largo del tiempo, un escenario común para aficionados y profesionales que trabajan en proyecto
Las hojas de cálculo son herramientas omnipresentes en el mundo del análisis de datos, utilizadas en prácticamente todos los sectores. Sin embargo, trabajar con ellas a menudo implica la creación de fórmulas complejas, limpieza de datos y una comprensión profunda de su estructura, tareas que son pro
Stripe ha introducido un nuevo sistema de registro llamado 'líneas de registro canónicas' (o eventos amplios) para mejorar la depuración y el análisis de sus sistemas. El problema que busca solucionar es la fragmentación de la información de registro, donde detalles cruciales como la ruta, el usuari
Este recurso, alojado en machinelearningplus.com, ofrece una colección interactiva de 101 ejercicios prácticos para dominar Pandas, una biblioteca fundamental de Python para el análisis y la manipulación de datos. Pandas facilita la carga, limpieza, transformación y análisis de datos tabulares, y es
Esta investigación de código abierto, llevada a cabo por Upper-Up, revela una sofisticada operación de influencia de Meta Platforms para promover leyes de verificación de edad que trasladan la responsabilidad regulatoria de las plataformas de redes sociales a las tiendas de aplicaciones de Apple y G
En el mundo de la programación, especialmente en Python, a veces nos encontramos con peculiaridades que desafían nuestra intuición. Uno de estos casos, recientemente discutido en la comunidad Python, involucra a `float('nan')`, que representa el valor 'Not a Number' (No es un Número). Aunque pueda p
Felix Krause, un desarrollador, ha estado llevando un registro exhaustivo de su vida en una base de datos personal desde 2019. Este proyecto, llamado FxLifeSheet (disponible en GitHub), recopila más de 100 tipos de datos diarios, incluyendo métricas de fitness, nutrición, vida social, uso de computa
## Adicción a Claude Code: Explorando la Fascinación y los Límites de la Exploración de Datos con IA **Introducción: ¿Qué es Claude Code y por qué es tan atractivo?** El texto presenta una experiencia común: la adicción a Claude Code, una herramienta de Anthropic que combina la potencia de un mode
Apache Otava ha lanzado una nueva herramienta diseñada para detectar regresiones de rendimiento en aplicaciones y sistemas. La herramienta, presentada recientemente, analiza resultados de pruebas de rendimiento almacenados en formatos CSV, PostgreSQL, BigQuery o bases de datos Graphite. Su función p
Este artículo compara cuatro paquetes de Python útiles para el análisis de pruebas A/B: `tea-tasting`, `Pingouin`, `statsmodels` y `SciPy`. El objetivo no es declarar un ganador absoluto, sino comprender las fortalezas de cada uno y el nivel de esfuerzo manual requerido para generar informes de prue
El RIPE Atlas Khipu, presentado por Stephen Suess en el evento nog.fi meeting 2025.11, representa una nueva y prometedora forma de interactuar y analizar los datos de medición generados por la red RIPE Atlas. Para entender su importancia, primero debemos comprender qué es RIPE Atlas. RIPE Atlas es u
ClojureStream es una plataforma integral diseñada para el aprendizaje y la comunidad en torno a los lenguajes de programación Clojure, ClojureScript y Datalog. En un mundo donde la curva de aprendizaje de nuevas tecnologías puede ser empinada, ClojureStream se presenta como un recurso estructurado y
Este artículo describe el proceso de análisis de un conjunto de datos que rastrea la cobertura global de Google Street View a lo largo del tiempo. El autor, Mark Litwintschik, utiliza una potente estación de trabajo (con un procesador AMD Ryzen 9, 96GB de RAM y un SSD NVMe de alta velocidad) y la ba
Una nueva herramienta llamada WARN Firehose ha sido lanzada para rastrear y centralizar las notificaciones de despidos masivos (WARN Act) de todos los 50 estados de EE. UU. La plataforma, disponible desde ahora, recopila y unifica estos avisos, que tradicionalmente se encuentran dispersos en diverso
Una nueva herramienta de código abierto llamada Shaper ha sido lanzada por Taleshape OÜ, permitiendo a los usuarios crear paneles de visualización de datos interactivos directamente desde consultas SQL utilizando la base de datos DuckDB. La herramienta, disponible desde esta semana, simplifica la cr
Price Per Ball es una herramienta online, actualmente alojada en priceperball.net, que simplifica la comparación de precios de pelotas de golf en Amazon. Su objetivo principal es ayudar a los golfistas a encontrar la mejor relación calidad-precio al comprar pelotas, algo que puede ser sorprendenteme
Este análisis exhaustivo examina la evolución de las publicaciones 'Show HN' (proyectos presentados por usuarios) en Hacker News desde sus inicios hasta 2025, utilizando técnicas de modelado de temas jerárquicos y análisis de datos. El objetivo principal es identificar tendencias en los intereses de
## ¿Qué tan bueno es un jugador de World Rank 17? Desmitificando el Ranking en Sistemas de Clasificación El artículo "How Good Is a World Rank 17 Player Actually?" (¿Qué tan bueno es realmente un jugador de World Rank 17?) aborda una pregunta común en sistemas de clasificación competitivos, como lo
