Sopa de bits

Reflexiones sobre la información

By

Enlaces de interés 2014-35

Y el video, Javascript asíncrono en Netflix:

By

Enlaces de interés 2014-34

 

Y el video, sobre algoritmos de recomendación multimodales con Mahout:

By

Enlaces de interés 2014-33

Y el video, mil años de cambios en las fronteras de Europa:

Watch as 1000 years of European borders change (timelapse map) from Nick Mironenko on Vimeo.

By

Enlaces de interés 2014-32

Y una presentación sobre LinkedIn, me ha parecido muy pedagógica:

 

By

Enlaces de interés 2014-31

Y el vídeo, trata sobre la innovación de la soledad (aka las redes sociales):

00

By

Enlaces de interés 2014-30

Y el vídeo: Firebase y AngularJS, una pareja de baile fantástica para aplicaciones en tiempo real:

By

Enlaces de interés 2014-29

 

 

By

Frecuentistas y Bayesianos

Probablemente el debate entre el enfoque frecuentista y bayesiano sea un tema que le trae a poco a la inmensa mayoría de usuarios de la estadística, como también lo será el debate entre software libre y propietario de la informática.  Como sucede en éste, también en aquél los resultados finales pueden diferir poco, pero la clave está en la metodología y la filosofía.

Y lo cierto es que no sabría explicarlo mejor que en el blog Pythonic Perambulations, que ha publicado una serie de (por ahora) cuatro artículos sobre frecuentismo y bayesianismo, con ejemplos de programación en Python:

Lo que se desprende de estos artículos es un posicionamiento claro en favor del enfoque bayesiano. Algo cada vez menos raro. Pero, ¿por qué?

¿Por qué oiremos cada día más sobre el enfoque Bayesiano?

Resumiéndolo en un solo concepto, Aprendizaje automático, o en su traducción inglesa, más habitual, Machine Learning. Ante la ingente cantidad de datos, es necesario encontrar métodos y algoritmos que faciliten la adaptación de aplicaciones informáticas a los datos que las alimentan. Los métodos Bayesianos ofrecen una buena base para implementar algoritmos en programas que necesitan adaptar su funcionamiento a los datos que les son suministrados.

Ante la pregunta sobre las potenciales aplicaciones, no es necesario ir muy lejos para conocer una aplicación muy conocida: las herramientas de detección de SPAM cumplen todas las condiciones: los datos no tienen una estructura conocida, es necesario adaptar los criterios (los emails de los spammers cambian, la longitud y los enlaces también, así como los criterios para la evaluación del coeficiente de spam).

El Machine Learning y otras aplicaciones de algoritmos estadísticos a la Inteligencia Artificial y Deep Learning, pueden oscilar desde el marketing directo y la personalización hacia el cliente, hasta el análisis de modelos de datos para los que no existe una suposición de normalidad.

Pero lo más importante que aporta este enfoque es que incorpora en el núcleo de su funcionamiento el propio principio del aprendizaja, a partir de los conceptos de la distribución a priori y a posteriori.

By

Enlaces de interés, 2014-27

Una presentación de Seth Lloyd sobre Quantum Machine Learning, que viene a ser una implementación de algoritmos de Machine Learning sobre ordenadores cuánticos (computación cuántica). Algo que por lo que parece, no tardará mucho en llegar.

By

Enlaces de interés, 2014-26

Una charla muy recomendable de Santiago Ortiz (@moebio) sobre la exploración de métodos no lineales en la representación de la información.