Advertise on podcast: Machine Learning en Español

Presentamos el perceptrón como el componente básico y fundamental para la construcción de redes neuronales y posteriormente Deep Learning.

Discutimos Análisis de Componentes Independientes como una de las técnicas más populares para separar señales mezcladas. Esta técnica tiene aplicaciones importantes en el procesamiento de audio, video, EEG y en la mayoría de set de datos que presentan una alta correlación. 

Discutimos Análisis de Componentes Principales como una de las técnicas más populares para reducir las dimensiones de nuestro set de datos. Está técnica nos ayuda a ser más eficientes en el número de variables que alimentamos a nuestro modelo.

En esta ocasión presentamos 3 técnicas de clustering que nos ayudarán a detectar anormalidades: DBSCAN, Gaussian Mixture Models y K-means. Estos 3 algoritmos son de los mas populares y básicos, a partir de ellos se han podido desarrollar nuevas versiones que resuelven algunas desventajas inicialmente detectadas en su implementación. 

La detección de anormalidades no es algo reciente, hay técnicas que han existido por décadas. Los gráficos de control son herramientas que tienen una sólida base matemática y estadística en la cual monitorean como un proceso cambia en el tiempo. Los gráficos de control implementan límites de control que automáticamente detectan anormalidades en tiempo real. Dependiendo del problema, los gráficos de control son una buena alternativa en comparación con algoritmos de aprendizaje maquina mas sofisticados. 

Adaboost es uno de los algoritmos clásicos de aprendizaje máquina. Al igual que Random Forest y XGBoost pertenece a la clase de modelos de ensamble, es decir, que se basan en agregar otros modelos débiles o de base para hacer predicciones. La principal diferencia con Adaboost es que es adaptativo, es decir, aprender de los errores hechos en los primeros modelos poniendo más énfasis en los ejemplos clasificados incorrectamente. 

XGBoost es una librería de software que es open-source y que ha ganado varias competencias de Machine Learning. XGBoost está basado en los principios de gradient booting, el cual a su vez está basado en las ideas de Leo Breiman, el creador de Random...

El Random Forest es uno de los mejores algoritmos que están listos para usarse sin necesidad de hacer mucha afinación. En este episodio tratamos de entender la intuición detrás de este algoritmo y cómo es que trata de tomar ventaja de los árboles de decisión al agregarlos usando un truco muy bueno llamado Bagging. Importancia de variables y el error fuera de la bolsa son características de este algoritmo que nos ayudan a entender mejor cuáles son las variables mas importantes y cuál es el error de generalización, respectivamente. 

Hablamos de los Árboles de Decisión (decision trees) como uno de los algoritmos más básicos pero poderosos en el área de statistical learning. Los árboles de decisión son una de las pocas herramientas en machine learning que pueden ser fácilmente interpretables, lo que hace que sean ampliamente aceptados en áreas donde es importante saber la lógica detrás de los algoritmos. Los árboles de decisión manejan de manera natural diversos tipos de variables y no hay necesidad de normalizar datos lo que los hace muy robustos a outliers. 

Hablamos de la importancia de estadística inferencial, la cual es una serie de métodos y herramientas utilizadas para hacer generalizaciones de una población a partir de una muestra. Una de las técnicas más usadas en estadística inferencia es la prueba de hipótesis. En este episodio damos algunos ejemplos de cuando y porque utilizar las pruebas t para 1 y 2 medias. También argumentamos que el promedio de una muestra no significa nada si no viene acompañado de la varianza de los datos.