OwlTail

Cover image of Machine Learning en Español

Machine Learning en Español

En esta serie de Podcast titulado Machine Learning en Español se discutirán temas relacionado a Machine Learning (aprendizaje maquina), Data Science (ciencia de datos), Big Data, Artificial Intelligence (inteligencia artificial), Business Intelligence (inteligencia de negocios) y Deep learning entre otros. Su anfitrión Gustavo Lujan, quien es un Data Scientist trabajando para Intel, compartirá su experiencia y tendencias en este fascinante mundo de Machine Learning.

Weekly hand curated podcast episodes for learning

Popular episodes

All episodes

Warning: This podcast data isn't working.

This means that the episode rankings aren't working properly. Please revisit us at a later time to get the best episodes of this podcast!

Podcast cover

20 Perceptrón: El origen

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

15mins

15 Mar 2021

Rank #1

Podcast cover

19 ICA: Análisis de Componentes Independientes

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. 

17mins

23 Jan 2021

Rank #2

Similar Podcasts

Podcast cover

18 PCA: Análisis de Componentes Principales

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.

20mins

10 Jan 2021

Rank #3

Podcast cover

17 Detección de Anormalidades: Clustering

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. 

22mins

21 Dec 2020

Rank #4

Most Popular Podcasts

Podcast cover

16 Detección de Anormalidades: Gráficos de Control

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. 

22mins

19 Oct 2020

Rank #5

Podcast cover

15 Adaboost: Adaptive Boosting

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. 

16mins

28 Sep 2020

Rank #6

Podcast cover

14 XGBoost: El Ganador de Muchas Competencias

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 Forest. La teoría detrás de gradient boosting fue formalizada por Jerome H. Friedman. Gradient boosting combina modelos simples y utiliza ingeniería muy inteligente la cual incluye una penalización para los árboles y un encogimiento proporcional para los nodos hoja.

19mins

26 Jul 2020

Rank #7

Podcast cover

13 Random Forest

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. 

23mins

12 Jul 2020

Rank #8

Podcast cover

12 Árboles de Decisión

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. 

20mins

30 May 2020

Rank #9

Podcast cover

11 Estadística Inferencial

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. 

24mins

10 May 2020

Rank #10