Machine Learning en Español

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.

En este episodio hablamos de regularización, una técnica efectiva para resolver el problema de overfitting o sobre ajuste. Presentamos dos técnicas: ridge regression y lasso. Este último tiene la propiedad de ser un algoritmo que selecciona automáticamente los parámetros finales.

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. 

En este episodio trataré de convencerte porque la Regresión Lineal es uno de los algoritmos más poderosos en Machine Learning. Vamos a hablar de conceptos erróneos, especialmente que Regresión Lineal no es capaz de modelar relaciones no lineales. También hablaremos del mito de normalidad el cual motiva a muchas personas a descartar completamente la Regresión Lineal con datos no normales, cuando en realidad, el supuesto de normalidad no tiene nada que ver con los datos recolectados. Finalmente, te presentamos sugerencias de como validar, pero mas importante, de como solucionar cualquier violación a los supuestos de la Regresión Lineal.

Hablamos de como las Ciencias de Datos y Machine Learning pueden ayudar a resolver los retos del COVID-19. En esta ocasión regresamos a la pagina de Kaggle donde diversas instituciones, incluyendo la Casa Blanca, se han unido para tratar de analizar mas de 45,000 artículos publicados en revistas especializadas. La tarea consiste en responder a 10 preguntas clave, que ayudará a los científicos a entender de mejor manera este nuevo virus y futuras pandemias.