Cuando empecé a estudiar Machine Learning en serio me pasó algo que quizá te suene: encontré miles de tutoriales que llegaban hasta model.fit() y ahí se quedaban. Ninguno contaba lo que de verdad ocupa el 80% del trabajo, que es entender los datos antes de modelarlos.
Este blog nace de esa frustración.
Quién escribe
Soy ingeniero de sistemas y llevo 13 años en tecnología, la mayor parte en calidad de software: análisis de QA, automatización de pruebas y análisis de datos. Acabo de terminar una maestría en Inteligencia Artificial.
Ese recorrido me dejó una obsesión que vas a notar en todo lo que escriba: no me creo un resultado hasta que puedo reproducirlo y explicarlo. En pruebas de software aprendí que un sistema no es confiable porque funcione una vez, sino porque puedes demostrar por qué funciona. Con los modelos pasa igual.
Mi tesis fue justamente sobre eso: comparar modelos de deep learning contra métodos clásicos para evaluación de riesgo crediticio, midiendo no solo qué tan bien predicen, sino qué tan estables e interpretables son.
Para quién es este blog
Para quien está empezando en datos y Machine Learning y quiere entender, no solo copiar y pegar. También para quien, como yo, viene de otra área de la tecnología y está haciendo la transición.
No asumo que sepas estadística avanzada. Sí asumo que te animas a correr código.
Qué vas a encontrar
Fundamentos con Python. Análisis exploratorio, limpieza de datos, valores faltantes, outliers, visualización. Lo aburrido que en realidad decide si un proyecto sirve o no.
Modelos, explicados por dentro. Regresión, clasificación, validación, métricas. Qué hace cada uno, cuándo falla y cómo darte cuenta de que falló.
Proyectos completos. De los datos crudos hasta una conclusión que se sostenga.
Cómo lo voy a hacer
Tres reglas que me impongo:
- Todo el código se puede ejecutar. Cada post se escribe como un notebook y se publica con sus resultados reales, no con salidas inventadas.
- Datasets públicos. Si quieres repetir el análisis, puedes.
- Explicar el porqué, no solo el cómo. Un comando sin contexto se olvida en una semana.
Los primeros temas
Este es el plan con el que arranco:
- Análisis exploratorio de datos: primer contacto con un dataset
- Valores faltantes: cómo detectarlos y qué hacer con ellos
- Outliers: cuándo son error y cuándo son información
- Visualización para entender, no para decorar
- De los datos limpios al primer modelo
Se irá ajustando según lo que resulte más útil.
Cómo seguirlo
Puedes suscribirte por RSS o escribirme si quieres que cubra algún tema. Las dudas de quien está aprendiendo son el mejor mapa para saber qué explicar.
Nos leemos en el próximo post.