En este post les comparto una guía paso a paso sobre cómo hacer el análisis exploratorio de datos, una fase esencial en cualquier proyecto de Machine Learning o Ciencia de Datos.

En este artículo hablaremos en detalle de los Bosques Aleatorios, uno de los algoritmos más importantes y más usados en el Machine Learning. Veremos cómo entrenarlos y validarlos y cómo realizar la predicción, cómo elegir los parámetros para su entrenamiento y de las cosas en común y las ventajas que tienen frente a los árboles de decisión.

El Machine Learning ha tenido logros impresionantes en los últimos años, y a veces la tendencia es usarlo para resolver todo tipo de problemas en donde estén involucrados datos. Pero ¿cómo saber cuándo podemos usarlo y cuándo no? Pues en este post les planteo una posible respuesta.

En este post hablaremos del Machine Learning Engineering, el puente que nos permite pasar del Machine Learning Académico/Investigativo a un modelo en producción. Sugerido para quienes estén interesados en desempeñarse laboralmente en esta área.

En este post veremos todos los detalles del algoritmo CART y de cómo usarlo para implementar Árboles de Decisión en una tarea de Regresión. Veremos en detalle cómo funciona paso a paso el algoritmo, cómo se construye el árbol de decisión, cómo se realiza la predicción con este árbol y cómo realizar la poda del mismo en caso de que sea necesario simplificarlo.

SQL es un lenguaje de programación con más de 40 años, y el Machine Learning es un área en constante evolución. ¿Qué tiene que ver lo uno con lo otro? Pues en este artículo les contaré por qué conocer SQL resulta fundamental en el Machine Learning.