Data Science para Todos

Jorge Leonardo Loreto
  • 0.0 (0)
  • MATHEMATICS
  • UPDATED WEEKLY

Data Science para Todos es un podcast donde la Ciencia de Datos se explica de manera simple, cercana y práctica. Con el apoyo de la inteligencia artificial, desglosamos conceptos complejos en un lenguaje claro y útil, mostrando cómo los datos pueden transformar negocios, salud, deporte y la vida cotidiana. Un espacio pensado para principiantes, profesionales y curiosos que quieren entender y aplicar el poder de los datos.

  1. Inteligencia Artificial y Ciencia de Datos – La dupla que está cambiando el mundo

    8H AGO

    Inteligencia Artificial y Ciencia de Datos – La dupla que está cambiando el mundo

    Volviendo a los inicios, aquí está la esencia de todo: la inteligencia artificial y la ciencia de datos. No son lo mismo, pero se complementan de tal forma que hoy están transformando la manera en que vivimos, trabajamos y nos comunicamos. En este episodio exploramos cómo se conectan, qué aplicaciones reales tienen en retail, salud, finanzas, transporte y creatividad, y también los desafíos éticos que enfrentamos con su uso. Si quieres entender de qué se trata realmente todo esto y por qué esta dupla es el motor de la cuarta revolución industrial, este episodio es para ti.

    20 min
  2. Regularización – Cómo evitar que tu modelo se enamore demasiado de los datos

    SEP 8

    Regularización – Cómo evitar que tu modelo se enamore demasiado de los datos

    Un modelo demasiado flexible termina “aprendiéndose de memoria” los datos y falla al generalizar. Eso es el temido overfitting. En este episodio te contamos cómo la regularización (Ridge, Lasso y ElasticNet) ayuda a controlar ese problema, seleccionando variables y simplificando modelos para que sean más robustos. Si quieres que tus predicciones funcionen también en el mundo real, este episodio es para ti.

    27 min
  3. Gradiente Decreciente – El motor detrás del aprendizaje automático

    SEP 1

    Gradiente Decreciente – El motor detrás del aprendizaje automático

    ¿Sabías que detrás de cada modelo de machine learning hay un pequeño algoritmo empujando para que aprenda? Ese algoritmo se llama Gradiente Decreciente. En este episodio te explicamos con ejemplos claros cómo funciona, por qué es clave para entrenar desde una simple regresión hasta una red neuronal, y qué errores evitar para que tu modelo realmente aprenda. Si quieres entender cómo aprenden las máquinas de verdad, este episodio es para ti.

    18 min
  4. Redes neuronales – Cómo las máquinas aprenden como el cerebro

    AUG 25

    Redes neuronales – Cómo las máquinas aprenden como el cerebro

    Las redes neuronales son la inspiración detrás de la revolución de la inteligencia artificial. En este episodio te contamos cómo funcionan, por qué se parecen a nuestro cerebro y cómo se usan hoy en día para reconocer imágenes, analizar texto y predecir patrones complejos. Explicamos sus componentes básicos, el proceso de entrenamiento y ejemplos reales, todo de forma clara y sencilla. Si quieres entender el corazón del deep learning, este episodio es para ti.

    20 min
  5. Prophet – Predicciones robustas para retail y más

    AUG 18

    Prophet – Predicciones robustas para retail y más

    Prophet es el modelo favorito de muchos equipos porque maneja estacionalidades y feriados sin dolor. En este episodio te mostramos cómo aplicar Prophet para pronosticar ventas, planificar inventarios y anticipar picos por quincenas, feriados o campañas. Aprenderás a preparar tus datos, sumar regresores (promos, precio), ajustar parámetros clave y evaluar el rendimiento con backtesting. Si trabajas en retail o necesitas pronósticos confiables y rápidos, este episodio es para ti.

    10 min
  6. ARIMA y SARIMA – Pronostica el futuro con series de tiempo

    AUG 11

    ARIMA y SARIMA – Pronostica el futuro con series de tiempo

    En este episodio te mostramos cómo usar ARIMA y SARIMA para pronosticar con precisión basándote en datos históricos. Desde ventas y demanda, hasta temperatura o tráfico web, estos modelos clásicos siguen siendo referentes en la ciencia de datos. Te explicamos paso a paso cómo funcionan, qué significan sus parámetros, cuándo usar cada uno y cómo aplicarlos en casos reales de negocio. Si quieres empezar a predecir el futuro con datos, este episodio es para ti.

    10 min
  7. Gradient Boosting – El modelo que rompe récords en predicción

    AUG 4

    Gradient Boosting – El modelo que rompe récords en predicción

    Si alguna vez te preguntaste qué modelo usan los ganadores de competencias de machine learning, la respuesta casi siempre es Gradient Boosting. En este episodio te explicamos paso a paso qué lo hace tan especial, cómo funciona, por qué es más preciso que otros modelos, y cómo usar librerías como XGBoost, LightGBM y CatBoost. Casos reales, buenas prácticas y todo lo que necesitas para sacarle el máximo provecho. Si quieres jugar en las grandes ligas del ML, este episodio es para ti.

    9 min
  8. Optimización de hiperparámetros – Cómo llevar tu modelo de bueno a brutal

    JUL 28

    Optimización de hiperparámetros – Cómo llevar tu modelo de bueno a brutal

    Los hiperparámetros pueden ser la diferencia entre un modelo mediocre y uno espectacular. En este episodio te explicamos cómo optimizarlos usando técnicas como Grid Search, Random Search y Bayesian Optimization, con ejemplos prácticos y herramientas fáciles de usar. Si quieres que tus modelos rindan al máximo, este episodio es para ti.

    8 min
See All (17)

About

Data Science para Todos es un podcast donde la Ciencia de Datos se explica de manera simple, cercana y práctica. Con el apoyo de la inteligencia artificial, desglosamos conceptos complejos en un lenguaje claro y útil, mostrando cómo los datos pueden transformar negocios, salud, deporte y la vida cotidiana. Un espacio pensado para principiantes, profesionales y curiosos que quieren entender y aplicar el poder de los datos.

Information

  • Creator
    Jorge Leonardo Loreto
  • Years Active
    2K
  • Episodes
    17
  • Rating
    Clean
  • Copyright
    © Jorge Leonardo Loreto
  • Show Website
    Data Science para Todos