BrainsToBytes - page 4

Puedes ejecutar trabajos (jobs) de Rails sin tener que configurar ningún backend. Las únicas cosas que necesitas son la consola de Rails y el método perform_now. Supón que creaste un job llamado PrintHappy: rails generate job print_happy Puedes navegar a la carpeta app/jobs y poblar el método perform con cualquier cosa que necesites: class ...

El aprendizaje es una actividad importante en casi cualquier contexto. Los humanos necesitamos adquirir nuevos conocimientos y habilidades para enfrentar los desafíos que encontramos en nuestras vidas, sin importar dónde vivamos o qué hagamos. Esto es especialmente cierto para trabajadores del conocimiento como ingenieros o desarrolladores de s...

En el artículo anterior, discutimos dos modos de operación cerebral diferentes. Aunque no es una representación literal de lo que está pasando en nuestro cerebro, sigue siendo una herramienta útil cuando pensamos sobre cómo nuestro cerebro procesa las cosas. Por un lado, tenemos el Modo-L: lineal, lógico, abstracto y a cargo de la representació...

Es posible usar múltiples change matchers de RSpec con un solo bloque de código. Lo único que necesitas es usar la palabra clave and para conectarlos. La forma general es algo así: expect{ accion_que_produce_cambio }.to change(...) .and change(...) ... .and change(...) Veamos cómo esto puede ayudarnos usando un...

En el artículo anterior de esta serie, discutimos el modelo Dreyfus, una abstracción que te permite entender la progresión por la que pasamos los humanos cuando aprendemos una nueva habilidad. En este artículo, discutiremos otro modelo útil. En este caso, el tema es nuestro increíble cerebro. ¿Alguna vez has enfrentado un problema muy difícil y...

Recientemente comencé a leer Pragmatic Thinking and Learning: Refactor Your Wetware de Andy Hunt (Sí, el tipo de The Pragmatic Programmer). Es un libro genial, tan genial de hecho que creo que es una de las mejores cosas que he leído sobre el tema. Quería escribir una serie resumiendo las ideas principales de las que Andy habla en su libro. Est...

En Rails, hay dos maneras principales de crear relaciones muchos-a-muchos entre modelos: usando una asociación has_and_belongs_to_many usando una asociación has_many :through Esto es Truquitos, así que vamos al grano. Usando has_and_belongs_to_many Esta es la manera más fácil de establecer una relación muchos-a-muchos. Creará una tabla...

En un artículo anterior, aprendimos sobre el aprendizaje supervisado: usar ejemplos etiquetados para crear modelos que resuelvan una variedad de tareas como clasificación y regresión. Existe otro tipo de aprendizaje que no requiere ejemplos etiquetados: el aprendizaje no supervisado. Naturalmente, los datos sin etiquetar son mucho más comunes q...

Los datos categóricos son extremadamente comunes en la mayoría de aplicaciones de machine learning en el mundo real. El problema principal es que la mayoría de algoritmos no saben realmente cómo manejar datos categóricos: son muy buenos trabajando con números, pero no entienden muy bien el concepto de categoría. Por esto, es importante tener una...

El sobreajuste (overfitting) es un concepto importante con el que todos los profesionales de datos necesitan lidiar tarde o temprano, especialmente si tienes la tarea de construir modelos. Una buena comprensión de este fenómeno te permitirá identificarlo y arreglarlo, ayudándote a crear mejores modelos y soluciones. En resumen, el sobreajuste o...

Como podrías recordar, el aprendizaje supervisado hace uso de un conjunto de entrenamiento para enseñar a un modelo cómo realizar una tarea o predecir un valor (o valores). También es importante recordar que estos datos de entrenamiento necesitan estar etiquetados con el resultado esperado/respuesta correcta para cada ejemplo individual en el co...

Seleccionar la métrica correcta juega un papel enorme en la evaluación del rendimiento de un modelo. Puede sonar un poco exagerado, pero las posibilidades de éxito de tu proyecto dependen en gran parte de elegir una buena medida de rendimiento. Hacer la elección equivocada puede resultar en modelos que son una mala opción para la tarea que estás...

MAE y RMSE son algunas de las métricas de error más comunes para problemas de regresión. A pesar de ser usadas para la misma tarea (entender los errores en tus predicciones) hay diferencias importantes entre las dos. Elegir las métricas correctas para tu modelo puede hacer una diferencia enorme en tu habilidad para resolver un problema. Los al...

El aprendizaje supervisado es quizás la forma más común de tarea de machine learning en uso hoy en día. Esta forma de aprendizaje hace uso de un conjunto de datos de entrenamiento etiquetado para crear un modelo que predice un objetivo de interés. Si esta línea no tiene absolutamente ningún sentido, no te preocupes. Después de leer este artícul...

En los artículos anteriores, aprendimos una definición de ciencia de datos y por qué tantas empresas están invirtiendo en este campo. También aprendimos sobre algunos de los escenarios más comunes donde la ciencia de datos es la herramienta correcta para el trabajo. En este artículo (el último de la serie) aprenderemos un framework básico para ...

En el artículo anterior, aprendimos qué tipos de problemas son adecuados para una solución de ciencia de datos. Ahora abordaremos el por qué: discutiremos las principales razones para usar ciencia de datos en la industria, y cómo las empresas se benefician al usar el poder de los datos para mejorar su rendimiento. Los datos están en todas part...

En el artículo anterior de la serie, respondimos nuestra primera pregunta: ¿qué es la ciencia de datos y qué contribuciones llevaron a su creación? En este artículo exploraremos otra pregunta importante: ¿Cuándo debería usar ciencia de datos? La ciencia de datos tiene montones de aplicaciones increíblemente útiles en campos tan diversos como ...

Quería escribir una serie de artículos que exploraran la ciencia de datos desde una perspectiva vista desde lejos. Estos artículos tienen como objetivo responder las siguientes preguntas: ¿QUÉ es la ciencia de datos?: ¿Qué es la ciencia de datos y cómo llegó a ser? ¿Cuándo exactamente se convirtió en un campo de conocimiento y qué desarrollo...