Friki Work

La era de la Inteligencia Artificial avanza rápidamente, y mientras herramientas como ChatGPT y Sora sorprenden al mundo, es fundamental ir más allá del simple uso de APIs para comprender los fundamentos de las tecnologías de aprendizaje automático. Para aquellos que se inician en este campo, una biblioteca de código abierto invaluable es sciki ...

Contexto del Problema: Imputación y Transparencia en Datos Críticos En sectores como la medicina, las finanzas o el mantenimiento industrial, la presencia de datos ausentes es una constante. La práctica habitual consiste en aplicar técnicas de imputación, desde métodos básicos como la media o mediana, hasta algoritmos complejos como MissFore ...

Fundamentos de la Visión por Computadora La visión por computadora (CV) es una disciplina de la inteligencia artificial orientada a dotar a los sistemas informáticos de la capacidad de interpretar y analizar datos visuales del mundo real. A diferencia de las tareas puramente reactivas, la CV busca extraer semántica de matrices de píxeles, habil ...

El ecosistema del aprendizaje automático es amplio y cambiante. Tener recursos a mano y conocer buenas prácticas acelera el desarrollo. A continuación se presentan recomendaciones y herramientas útiles organizadas en secciones. Entornos de experimentación visual TensorFlow Playground: playground.tensorflow.org – Permite explorar visualmente có ...

Introducción al Análisis de Componentes Principales (PCA) El Análisis de Componentes Principales (PCA, por sus siglas en inglés, Principal Component Analysis) es una técnica fundamental en el aprendizaje automático y el análisis de datos. Su propósito principle es la reducción de la dimensionalidad, es decir, transformar conjuntos de datos de a ...

La predicción de precios de viviendas es un problema frecuente en el análisis de datos. Dado un conjunto de datos de propiedades, es crucial desarrollar un modelo que capture las relaciones subyacentes. La Regresión de Vectores de Soporte (SVR) destaca por su capacidad para manejar patrones no lineales, lo que la hace adecuada para esta tarea. ...

Introducción a la Reducción de Dimensionalidad no Lineal t-SNE (t-Distributed Stochastic Neighbor Embedding) es una técnica no lineal ampliamente adoptada para la reducción de dimensionalidad y visualización de conjuntos de datos complejos. Su principal fortaleza radica en la preservación de la estructura local, permitiendo revelar agrupaciones ...

El aálisis posterior a la agrupación en clusters implica interpretar el significado de cada segmetno identificado. Existen dos enfoques principales: Selección previa de características: Priorizar atributos específicos antes de aplicar el algoritmo de clustering Selección posterior: Analizar las características diferenciadoras después de obtene ...

Introducción Acerca de la Regresión Polinomial La expansión polinomial es una técnica en el procesamiento de datos y modelado que consiste en crear nuevas características combinando las características de entrada originales mediante polinomios. Este proceso aumenta la dimensionalidad de las características para resolver problemas de subajuste e ...

En el campo del aprendizaje automático y el análisis de datos, la regresión lineal es uno de los algoritmos más fundamentales y utilizados. Su simplicidad y capacidad para modelar relaciones lineales la convierten en una herramienta esencial para problemas de predicicón. Este artículo explica los conceptos clave, la implementación práctica y va ...