⟫Nico Bargioni
Todos los temas

Categoría

Data & Machine Learning

De la estadística y el análisis exploratorio a las redes neuronales: cómo convierto datos en modelos que predicen y explican.

Subtemas

Análisis exploratorio (EDA)5 notebooks
Estadística & probabilidad5 notebooks
Clustering & PCA5 notebooks
Deep Learning (CNNs)5 notebooks
Transfer Learning1 notebook
Reinforcement Learning1 notebook
Detección de anomalías5 notebooks
Minería de datos5 notebooks

Del blog

Q-learning explicado: cómo una máquina aprende a jugar

Sin datos etiquetados, sin saber las reglas. Solo prueba, error y recompensa. Cómo un agente aprende a equilibrar un palo con Q-learning, explicado de cero.

Leer #machine-learning #reinforcement-learning

El cuarteto de Anscombe: cuatro datasets idénticos en los números, opuestos en el gráfico

Cuatro conjuntos de datos con la misma media, varianza y correlación que se ven completamente distintos al graficarlos.

Leer #eda #datos

El Datasaurio: doce datasets con la misma estadística que esconden un dinosaurio

Doce nubes de puntos absurdamente distintas comparten media, desvío y correlación. Una incluso dibuja un dinosaurio.

Leer #eda #datos

La paradoja de Simpson: cuando una tendencia se da vuelta al juntar los datos

Una tendencia clara en cada grupo puede invertirse al sumar todos los datos. El caso de Berkeley lo hizo famoso.

Leer #eda #datos

Lo que los valores faltantes te están gritando

El patrón de los datos faltantes casi nunca es ruido: suele ser una señal que conviene escuchar antes de imputar.

Leer #eda #datos

Correlaciones espurias: el queso, las sábanas y los doctorados

Dos series pueden correlacionar al 99% por pura casualidad. Por qué una correlación altísima no prueba absolutamente nada.

Leer #eda #datos

La paradoja del cumpleaños: con 23 personas, apostá a que dos cumplen el mismo día

En un aula de 23 personas hay más del 50% de chances de que dos compartan cumpleaños. Acá la intuición miente feo.

Leer #estadistica #probabilidad

La ley de Benford: por qué el 1 aparece más y cómo atrapa fraudes

En muchos conjuntos de números reales el primer dígito es 1 casi un tercio de las veces. Esa rareza es la que desenmascara fraudes.

Leer #estadistica #probabilidad

Monty Hall: por qué cambiar de puerta duplica tus chances

En el problema de las tres puertas, cambiar de elección te lleva de 1/3 a 2/3 de ganar. El acertijo que enfureció a los matemáticos.

Leer #estadistica #probabilidad

El problema del tanque alemán: estimar producción enemiga con números de serie

En la Segunda Guerra, los Aliados estimaron cuántos tanques fabricaban los alemanes mirando los números de serie de los capturados. Y acertaron.

Leer #estadistica #probabilidad

Lo que un p-valor NO significa (y casi todos creen que sí)

Un p-valor de 0,03 no quiere decir que haya 97% de chances de que tu hipótesis sea verdadera. El malentendido estadístico más caro, explicado.

Leer #estadistica #probabilidad

La maldición de la dimensionalidad: por qué en muchas dimensiones todo está lejos

En espacios de muchas dimensiones las distancias se aplastan: todo queda igual de lejos. Y eso rompe kNN, clustering y tu intuición.

Leer #clustering #pca

Las trampas de K-Means: cuando los clusters que ves no existen

K-Means siempre te devuelve k grupos, haya estructura o no. El problema no es el algoritmo: son las asunciones que nadie te contó.

Leer #clustering #pca

PCA explicado sin álgebra: la sombra que conserva más información

PCA es elegir desde dónde iluminar un objeto para que su sombra revele lo máximo posible. Esa es toda la intuición, sin autovectores.

Leer #clustering #pca

Codo vs silueta: cómo elegir k sin engañarte

Dos métodos clásicos para decidir cuántos clusters usar. A veces coinciden, a veces no — y entender por qué discrepan es la mitad del trabajo.

Leer #clustering #pca

t-SNE y UMAP: mapas hermosos que a veces mienten

Esos gráficos con islas de colores son irresistibles. Pero el tamaño de las islas y la distancia entre ellas casi nunca significan lo que parece.

Leer #clustering #pca

El teorema que dice que una red puede aprender casi cualquier cosa (y por qué no alcanza)

Una red de una sola capa puede aproximar cualquier función continua. Suena a magia. El problema es todo lo que el teorema no te dice.

Leer #deep-learning #redes-neuronales

Doble descenso: cuando tener más parámetros que datos mejora el modelo

La intuición clásica dice que un modelo enorme sobreajusta. El doble descenso muestra que pasada cierta línea, agrandarlo vuelve a funcionar.

Leer #deep-learning #redes-neuronales

El panda que la red ve como gibón: ejemplos adversarios

Sumale a una foto de panda un ruido invisible al ojo humano y una CNN top dirá 'gibón' con 99% de confianza. No es un bug raro: es estructural.

Leer #deep-learning #redes-neuronales

Dropout: por qué apagar neuronas al azar evita el sobreajuste

Romper la red a propósito durante el entrenamiento, apagando neuronas al azar, la vuelve más robusta. La intuición de por qué es preciosa.

Leer #deep-learning #redes-neuronales

La hipótesis del billete de lotería: redes diminutas escondidas en las grandes

Dentro de una red gigante vive una subred minúscula que, entrenada sola, alcanza la misma performance. Si supieras cuál, te ahorrarías el 90%.

Leer #deep-learning #redes-neuronales

Por qué una red entrenada en gatos sirve para radiografías

Una red que aprendió a ver gatos puede detectar neumonías. El truco está en las primeras capas, y es más profundo de lo que parece.

Leer #transfer-learning #deep-learning

Fine-tuning vs feature extraction: cuándo congelar y cuándo descongelar capas

La decisión que define todo proyecto de transfer learning se reduce a dos preguntas: cuántos datos tenés y cuán parecido es tu dominio.

Leer #transfer-learning #deep-learning

Olvido catastrófico: cuando aprender algo nuevo borra lo viejo

Enseñale a una red una tarea nueva y se olvida de la anterior. No medio: la borra casi por completo. Por qué pasa y por qué es tan difícil de resolver.

Leer #transfer-learning #deep-learning

El momento ImageNet 2012: el experimento que cambió todo

En 2012 una red ganó un concurso de visión por una diferencia tan grande que dejó muda a la comunidad. Ese día empezó la era del deep learning.

Leer #transfer-learning #deep-learning

Aprender de pocos ejemplos: few-shot y el poder de lo preentrenado

Un chico ve un quokka una vez y lo reconoce para siempre. ¿Por qué una IA necesita miles de fotos? Salvo que ya haya aprendido a ver antes.

Leer #transfer-learning #deep-learning

Reward hacking: agentes que hacen trampa para ganar puntos

Le pedís al agente que gane la carrera y termina girando en círculos para farmear puntos. La trampa no es un bug: es exactamente lo que le pediste.

Leer #reinforcement-learning #rl

Explorar vs explotar: el dilema del bandido de varios brazos

Tenés diez tragamonedas y plata para cien tiradas. ¿Apostás a la que más pagó o probás las otras? Ese dilema está en el corazón de todo el RL.

Leer #reinforcement-learning #rl

La jugada 37 de AlphaGo: la creatividad que ningún humano jugaría

En la segunda partida contra Lee Sedol, AlphaGo puso una piedra donde nadie la pondría. Los comentaristas pensaron que era un error. Era genialidad.

Leer #reinforcement-learning #rl

El problema de la recompensa escasa: cuando el premio llega tarde

Un agente hace 200 movidas y recién al final le decís 'ganaste'. ¿Cuál de las 200 fue la buena? Ese es el problema más frustrante del RL.

Leer #reinforcement-learning #rl

Por qué el RL no es como el aprendizaje supervisado

En el supervisado hay un profesor con las respuestas. En el RL hay un mundo que solo te dice 'frío' o 'caliente', y a veces tarde. La diferencia lo cambia todo.

Leer #reinforcement-learning #rl

Cisnes negros: por qué lo raro es justo lo que más importa

Los eventos rarísimos de alto impacto son los que más duelen, y son justo los que tus modelos están entrenados para ignorar.

Leer #anomalias #ml

Isolation Forest: aislar lo anómalo en pocas preguntas

La idea más elegante de la detección de anomalías: lo raro se separa del resto con muchas menos preguntas que lo normal.

Leer #anomalias #ml

Detección de fraude: cuando el 0,1% es todo lo que importa

Si el fraude es 1 de cada 1000 transacciones, un modelo que diga 'todo legítimo' acierta el 99,9%. Y es inútil.

Leer #anomalias #ml

Mantenimiento predictivo: escuchar una máquina antes de que falle

Una turbina no se rompe de golpe: avisa. El truco está en escuchar la anomalía en los sensores antes del desastre.

Leer #anomalias #ml

El costo oculto de los falsos positivos en detección de anomalías

Mover el umbral de un detector parece un ajuste técnico. En realidad es decidir cuánto cuesta cada error. Eso es negocio.

Leer #anomalias #ml

Pañales y cerveza: la regla de asociación más famosa (¿y falsa?)

La historia dice que un super descubrió que quien compra pañales también compra cerveza. Lindo relato. El problema es que casi nada de eso pasó.

Leer #mineria #patrones

Reglas de asociación: soporte, confianza y lift sin misterio

Tres métricas asustan a más gente de la que deberían. Con un changuito de supermercado se entienden en cinco minutos.

Leer #mineria #patrones

Apriori vs FP-Growth: minar patrones sin que explote la combinatoria

Con 100 productos hay más combinaciones que átomos en tu cuerpo. Contar todo es imposible. Acá está el truco que lo vuelve viable.

Leer #mineria #patrones

Minería de datos vs machine learning: no son lo mismo

Se usan como sinónimos en LinkedIn, pero responden preguntas distintas: una descubre lo que ya pasó, la otra apuesta a lo que va a pasar.

Leer #mineria #patrones

El sesgo del superviviente: los aviones de Wald y los datos que no ves

El ejército quería blindar donde los aviones volvían agujereados. Un estadístico vio lo contrario: hay que blindar donde NO hay agujeros.

Leer #mineria #patrones