La regularización es una técnica utilizada para evitar el sobreajuste que se produce cuando un modelo es demasiado complejo y se ajusta demasiado a los datos de entrenamiento, lo que da lugar a un escaso rendimiento a la hora de aplicarlo a nuevos datos. La regularización añade un término de penalización a la función de coste que el modelo intenta optimizar, lo que le disuade de ajustarse al ruido o a las fluctuaciones de los datos de entrenamiento.
Lee mas
En los últimos años el análisis de datos se ha convertido en un elemento fundamental de ventaja competitiva para las empresas. Sin embargo, si por un lado las empresas han invertido mucho en herramientas, procesos, y adquisición de datos, por otro lado, la inversión en recursos humanos se ha quedado atrás, en particular en formar en análisis de datos a todos los empleados.
Lee mas
En los últimos años hemos vistos grandes cambios tecnológicos en el entorno de datos y esto ha generado la necesidad de adaptar nuestro departamento de datos.
Lee mas
Transformaciones para modelos no lineales En un post anterior he analizado el uso de una...
Lee mas
Hace unas semanas tuve una conversación interesante con Marcos que acababa de comprar mi libro “The Art of Data Analysis” y que necesitaba unos consejos para empezar en el mundo de la ciencia de datos. Durante la conversación surgieron unas preguntas que escucho a menudo: “¿Es tarde para empezar en análisis de datos?, Tengo experiencia en XXX, ¿es posible aprender ciencia de datos?, ¿No he trabajado nunca con los números, puedo ser analista de datos?
Lee mas
En este artículo hablaré de cómo los modelos supervisados aprenden de los datos. Veremos que este problema de aprendizaje se traduce en un problema matemático de optimización, es decir que un algoritmo trata de resolver un problema de optimización. Dado que hablar de manera generalizada resultaría complicado, vamos a explicar este problema utilizando una regresión lineal que utiliza el algoritmo de “Descenso de Gradiente” (gradient descent algorithm) para encontrar el modelo que mejor se ajusta a los datos.
Lee mas
Aunque nuestro modelo dependa del problema, de los datos, y de los resultados esperados, podemos definir una serie de pasos que siempre tendremos que emprender a la hora de crear un modelo de Machine Learning supervisado
Lee mas
La mayoría de los modelos de Machine Learning se pueden dividir en supervisados y no supervisados. Se llaman “supervisados” cuando en el conjunto de datos tenemos unas cuantas variables de predicción y una variable resultado, y nuestro objetivo es definir la función capaz de reproducir la variable resultado (y).
Lee mas
Plantilla Excel de la cuenta de pérdidas y ganancias (cuenta de resultados) en inglés.
Lee mas
En este post explico como crear el modelo de datos en Power Pivot para seleccionar y comparar periodos de tiempo de forma flexibleen una tabla dinámica
Lee mas
En este post te explico qué es el coeficiente de Gini, cómo se calcula, y su aplicación.
Lee mas
Si te dedicas al mundo de los datos habrás encontrado algún “meme” o discursos criticando la moda de llamar “machine learning” a la “estadística” de toda la vida. ¿Pero es realmente así?
Lee mas
A menudo escuchamos ciencia de datos, “machine learning” o inteligencia artificial en diferentes contextos y a veces usándolas como sinónimos. Si no te dedicas a ello o acabas de empezar en el mundo de la ciencia de datos, estos términos pueden resultar poco claros y algo de ciencia ficción. Sin embargo, muchos de los procesos relacionados son relativamente simples y quiero intentar aclararlos en este post.
Lee mas
La estadística inferencial utiliza los datos y la probabilidad para ayudarnos a responder a preguntas como ¿Este medicamente es efectivo contra esta enfermedad?, ¿El botón rojo convierte más que el botón azul? En este post explico los principios y los límites de la estadística inferencial.
Lee mas
El teorema del límite central es un concepto clave que está a la base de muchos análisis estadísticos. En este post explico de manera sencilla y práctica de que se trata y cómo se utiliza.
Lee mas
En este post explico cómo utilicé una regresión lineal múltiple para detectar cuales son los elementos que más impactan la recomendación de los clientes.
Lee mas
No siempre tenemos que estimar algo con números y datos precisos, a veces tenemos que estimar eventos con información cualitativa. Vamos a ver como hacerlo…
Lee mas
El objetivo de un análisis de regresión es encontrar el mejor ajuste para una relación lineal entre dos variables. En este post explico paso a paso todo lo que tienes que saber y tener en cuenta a la hora de realizar una regresión. Intentaré explicar los conceptos de la manera más simple…
Lee mas
Según un reciente estudio de Domino, Data Science Needs to Grow Up: The 2021 Domino Data Lab Maturity Index, la falta de inversión en recursos humanos, procesos y herramientas está causando el fracaso a la hora de desarrollar la ciencia de datos en las empresas.
Lee mas
En este post resumo y comento los 10 consejos de Javier Monjas para definir e implementar una buena estrategia de datos.
Lee mas
Un árbol de probabilidad es una manera sencilla de representar un “espacio de probabilidad” con acontecimientos dependientes y/o independientes (probabilidades condicionales). En este post te explico qué es, cómo se construye y te regalo una plantilla Excel con un ejemplo.
Lee mas
Descubre en este post cómo crear una simple cadena de Markov en Excel para definir la probabilidad de futuros acontecimientos…
Lee mas
Nunca te has preguntado ¿Cómo Netflix o Amazon pueden recomendar una buena película o un buen producto? Quizás estés pensando en algoritmos complejos que utilizan lo que viste, tu puntuación… en parte es verdad, pero también están utilizando los datos de otros usuarios para determinar lo que te recomiendan. Y sí, se trata de algoritmos que pueden llegar a ser bastante complejos, pero que en el fondo se basan en un concepto básico, la correlación. En este post te explicaré que es y como calcularla.
Lee mas
Un análisis factorial confirmatorio sirve para confirmar o rechazar un modelo de ecuación estructurada que identifique una o más variables latentes (no observadas).
Lee mas
El uso de la estadística descriptiva pude parecer a priori un ejercicio meramente teórico, pero si nos fijamos bien, todos los días estamos usando promedios, rangos, sumas etc. Estas estadísticas, y en general las medidas de centralidad como la media, son un método muy interesante pare simplificar la realidad. En este post explico cómo he utilizado las estadísticas descriptivas para identificar y priorizar las acciones necesarias para mejorar la satisfacción de los empleados.
Lee mas
En este post explico como leer y para que sirve un gráfico de cajas.
Lee mas
La distribución normal es la más importante en estadística dado que permite explicar muchos fenómenos y está a la base de varios conceptos… En este post explico qué es y cómo la puedes utilizar.
Lee mas
No importa si estamos analizando dos datos en una tabla dinámica de Excel o somos un científico de datos en Amazon desarrollando un modelo de recomendación, todo científico de datos tiene que respetar estas 8 reglas…
Lee mas
Invertir en datos y su explotación es cada vez más necesario para no quedarse atrás frente a los competidores. Sin embargo, esta carrera hacia el “Big Data” ha generado una serie de fracasos por no enfocar de la manera correcta este tipo de inversión, generando frustración y, en algunos casos, desilusión con las ventajas de ser más data-driven. Hay varias razones por las cuales una estrategia de datos fracasa y he querido resumir las que a mi parecer son las más comunes.
Lee mas
Cuando tenemos que analizar los ingresos del último periodo comparado con el anterior (u otro periodo de comparación) es importante entender qué ha producido el cambio. El análisis de “Precio Volumen Mix” es una manera de descubrir lo que ha provocado la variación en ingresos y en qué medida. En este post explico los cálculos para poder realizar este análisis.
Lee mas
En este post explico como definir una estrategia de análisis de datos de una empresa, empezando por entender el negocio y sus necesidades, definir los objetivos, alinear las acciones con los objetivos, priorizar las acciones y finalmente definir la implementación.
Lee mas
En este post explico los principios de series temporales y cómo poder realizar una media móvil, una suavización exponencial y una serie temporal más compleja en Excel.
Lee mas
En este post explico qué son los modelos de Pick-up, para qué sirven y os comparto dos plantillas Excel para implementarlos.
Lee mas
Cuando tenemos que elegir entre diferentes opciones y nos enfrentamos a eventos futuros incierto con impactos diferentes para estas opciones, podemos aplicar una de estas tres estrategias para tomar la mejor decisión.
Lee mas
En este post explico la teoría y la práctica de analizar el peor, mejor, y más probable escenario en Excel.
Lee mas
En este post describo cómo la teoría de juegos, o game theory, se puede apliar al análisis de datos y a la tomas de decisiones. En concreto veremos el dilema del prisionero y el árbol de decisiones.
Lee mas
7 trucos avanzados que un profesional de Excel debería saber…
Lee mas
En la investigación de mercado no sólo son importantes los números sino también entender los aspectos cualitativos para resolver los problemas de negocio…
Lee mas
En este post explico cómo aplicar un enfoque estratégico a una investigación de marcado, además explicaré cómo decidir si utilizar un método cuantitativo o cualitativo.
Lee mas
En este post explico qué son la fiabilidad y validez de los resultados de una encuesta y cómo evitar posibles errores y sesgos
Lee mas
En este post explico cómo calcular el error muestral, el tamaño mínimo de la muestra y cómo ponderar los datos
Lee mas
En este post describo los principios básicos de una simulación de Monte
Carlo y de como se puede realizar en Excel.
Explorar la estructura latente subyacente a los datos para identificar variables implícitas inadvertidas que se “esconden” detrás de distintas variables observadas.
Lee mas
En este post explico como llevar a cabo un análisis de componentes principales con el objetivo de reducir el número de variables. También explicaré como utilizar un gráfico de “sedimentación” para decidir el número óptimo de componentes principales.
Lee mas
Para definir la disposición a pagar de un cliente (o willingness to pay) podemos utilizar cuatro métodos. En este post te explico cuales son y como utilizarlos.
Lee mas
En este post explico cómo realizar una clasificación binaria simple en Excel y analizar los resultados con una curva ROC
Lee mas
En este post explico cómo crear un simple modelo de puntuación en Excel utilizando una combinación de regresiones.
Lee mas
En este post explico cómo realizar una regresión logística en Excel utilizando primero Solver, y luego utilizando un complemento gratuito de Excel
Lee mas
En este post te explico cómo crear un sistema de Business Ingelligence completamente gratuito utilizando Power BI y Google Drive
Lee mas
Calcular el tiempo estimado hasta que ocurra un evento como el abandono de un cliente o cuando se rompa un componente de un producto.
Lee mas