36 noticias
Un investigador ha demostrado que los patrones geométricos en las representaciones de palabras pueden generarse aleatoriamente, desafiando la interpretación de que ciertas estructuras son intrínsecas al lenguaje. El experimento, basado en una apuesta con su colega Dhruva Karkada, consistió en encont
El formato Parquet se ha convertido en el estándar de facto para el almacenamiento de datos en el ecosistema de ciencia de datos, ofreciendo una combinación superior de compresión y eficiencia en la consulta. Para los desarrolladores de Haskell, la capacidad de leer y escribir archivos Parquet es es
Tangle es un editor visual de pipelines de aprendizaje automático pensado para que equipos de ML compongan flujos de trabajo arrastrando y soltando componentes, sin necesidad de programar. La herramienta ofrece una biblioteca de módulos reutilizables que se pueden clonar, editar y ejecutar, y permit
Este artículo repasa la historia de los economistas y científicos de datos soviéticos que, ante la ineficiencia de los balances manuales de la economía planificada, impulsaron el uso de la programación lineal para asignar recursos de forma óptima. Hasta los años sesenta, los administradores centrale
El ingeniero David Horn sostiene que la industria del software incurre en un patrón repetido: reinventar disciplinas previas bajo nombres más atractivos y rehuir el estudio de sus manuales. Lo planteó tras convertirse en el comentario más votado en Hacker News a propósito del texto "Understanding is
TechAscent ha presentado la integración madura de DuckDB con su plataforma de ciencia de datos funcional tech.ml.dataset (TMD), escrita en Clojure. El objetivo es ofrecer procesamiento columnar en memoria y, cuando los datos exceden la RAM, ejecutar consultas SQL relacionales sobre almacenamiento en
Esta guía ofrece una panorámica estructurada del ecosistema de herramientas de datos pensada para ingenieros de software que trabajan en compañías de datos sin experiencia previa en el campo. El artículo parte de la experiencia personal del autor, OlegWock, que tras incorporarse a Deepnote —un cuade
El ingeniero Jesse Li documentó cómo, a partir de una sola fotografía de la pared de la estación Smith–Ninth Streets en Brooklyn —hecha de hormigón y cubierta por marcas de zapatos dejadas por viajeros que esperan el tren recostando el pie contra ella—, se puede reconstruir la distribución de estatu
R-ebirth es un proyecto open source que busca consolidar al lenguaje R como entorno de referencia para la investigación científica en datos e inteligencia artificial. Su pieza central es relm, un paquete de R con núcleo nativo en Rust que incorpora una versión parcheada de llama.cpp, lo que permite
GP-ELITE es una biblioteca de Python que aplica programación genética para realizar regresión simbólica: en lugar de entrenar un modelo opaco, busca una fórmula matemática legible que vincule las variables de entrada con un objetivo. Está pensada para conjuntos de datos experimentales pequeños, de h
El número de paquetes nuevos aceptados en CRAN, el repositorio de referencia para el lenguaje R, crece a un ritmo sin precedentes, pero la pregunta de fondo es si esa expansión se traduce en aportaciones reales para la comunidad. Joseph Rickert, autor de la selección mensual "Top 40" en R Works, exp
Un dueño de un galgo de 38 kilos llamado Bebop aplicó el modelo de Bradley-Terry, una técnica estadística basada en comparaciones por parejas, para identificar la golosina preferida de su mascota entre cinco opciones del mercado. Cada noche, a las 23:00, le presentó dos golosinas simultáneamente con
Las funciones núcleo (kernel functions) son herramientas matemáticas fundamentales en aprendizaje automático que permiten analizar relaciones complejas y no lineales en los datos sin calcular explícitamente coordenadas en espacios de alta dimensión. En el contexto de los procesos gaussianos (Gaussia
Epicure representa un avance significativo en la comprensión de la gastronomía mediante la inteligencia artificial. Su objetivo principal es mapear la 'geometría emergente' de los ingredientes culinarios, traduciendo la experiencia culinaria en un espacio matemático comprensible. Esto es crucial por
La optimización del rendimiento en modelos de aprendizaje profundo a menudo se reduce a una colección de trucos ad-hoc sin fundamento, como instalar versiones específicas de PyTorch o usar operaciones in-place. Sin embargo, para lograr un rendimiento óptimo y sostenible, es crucial entender los prin
Este artículo describe cómo el autor utilizó la optimización numérica para planificar la rutina semanal de su greyhound, Bebop. El problema, denominado ingeniosamente "The Traveling Salesdog Problem" (El Problema del Viajero de Ventas Canino), busca encontrar el mejor equilibrio entre variedad de ac
Los Modelos de Lenguaje Grandes (LLMs), como ChatGPT, han revolucionado la forma en que interactuamos con la tecnología. Pero, ¿cómo funcionan realmente? Este resumen explica el proceso, desde los datos brutos hasta la creación de un asistente conversacional. **¿Qué son y por qué son importantes?*
Tseda es una herramienta de código abierto (disponible en GitHub) diseñada para explorar y analizar series de tiempo regularmente muestreadas, es decir, datos que se registran a intervalos regulares (por ejemplo, cada hora, día o mes). Su principal utilidad radica en facilitar la identificación de p
El algoritmo de muestreo de Floyd es una técnica ingeniosa para generar un subconjunto aleatorio de tamaño `k` de un conjunto de números del 1 al `n`. A diferencia de otros algoritmos de muestreo como el muestreo de reservorio, la intuición detrás de Floyd's Sampling no es inmediatamente obvia, lo q
El artículo "The AI Great Leap Forward" de Han Lee, publicado en leehanchung.github.io, advierte sobre una tendencia peligrosa en la adopción de la Inteligencia Artificial que recuerda al desastroso “Gran Salto Adelante” de China en 1958. En ese momento, Mao Zedong ordenó una producción masiva de ac
El artículo "The Future of Everything is Lies, I Guess" explora la realidad detrás de la actual ola de entusiasmo por la "Inteligencia Artificial" (IA), argumentando que lo que se conoce como IA son, en realidad, sofisticadas tecnologías de aprendizaje automático (ML) capaces de procesar y generar g
El algoritmo K-Means es una técnica fundamental en aprendizaje automático para agrupar datos similares. Tradicionalmente, se ha utilizado para tareas como organizar conjuntos de datos o preprocesar incrustaciones (embeddings), pero su aplicación en tiempo real, en sistemas online, ha sido limitada p
Este artículo describe un método para optimizar las características (features) utilizadas en un Random Forest, un algoritmo de aprendizaje automático popular, con el objetivo de mejorar su rendimiento y evitar el sobreajuste (overfitting). El autor, Illya Gerasymchuk, se enfrentaba a un problema: su
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
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
Spice Data busca un Especialista de Producto (New Grad) para unirse a su equipo en San Francisco. Pero, ¿qué significa esto y por qué es una oportunidad interesante? En esencia, Spice Data es una startup que proporciona datos de alta calidad a grandes empresas (Fortune 500) de forma continua y fiabl
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
## 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
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
Roboflow está buscando talento para construir el futuro de la visión artificial (Computer Vision). En esencia, la visión artificial es la rama de la inteligencia artificial que permite a las máquinas 'ver' e interpretar imágenes y videos, de manera similar a como lo hacen los humanos. Esto es crucia
Los árboles de decisión son un algoritmo fundamental en el aprendizaje automático, utilizados para clasificación y regresión. Su atractivo radica en su interpretabilidad y eficiencia, pero comprender su funcionamiento interno requiere un poco de teoría. Este resumen explica cómo funcionan los árbole
Un nuevo algoritmo de aprendizaje llamado SmartKNN ha sido desarrollado para mejorar el rendimiento de los métodos de vecinos más cercanos (KNN). El algoritmo, creado por Thatipamula-Jashwanth y disponible en GitHub, busca superar las limitaciones de los enfoques KNN tradicionales, como el tratamien
El programa "AI & Beyond Internship Incubator" de Bitmovin (verano de 2026) es una iniciativa de formación intensiva diseñada para estudiantes y recién graduados interesados en la inteligencia artificial (IA) y sus aplicaciones, especialmente en el contexto del procesamiento de video y streaming. Au
Un debate reciente en la comunidad tecnológica ha propuesto la creación de una nueva escala para medir la capacidad de procesamiento de datos, inspirada en la escala de Kardashev utilizada para clasificar civilizaciones según su dominio energético. La idea surgió durante una llamada comunitaria de M
Andrew P. Wheeler ha publicado un nuevo libro titulado "Modelos de Lenguaje Grandes para Mortales: Una Guía Práctica para Analistas con Python", disponible en formato físico (59,99 $) y digital (49,99 $). La obra ofrece una guía práctica para utilizar Python con los principales proveedores de modelo
Este artículo introduce PyTorch, un framework de aprendizaje profundo de código abierto desarrollado originalmente por Meta AI y ahora parte de la Linux Foundation. PyTorch es fundamental para el desarrollo de modelos de machine learning, y su comprensión es crucial para cualquier persona que trabaj
