Autor

Ingeniero de telecomunicación por la UAM, mi carrera profesional ha estado muy ligada al ámbito de las telecomunicaciones en diferentes vertientes, con especial foco en la detección de fraude de bypass de llamadas. En ello he trabajado como analista de datos, preventa y liderando un pequeño equipo. Además, he desarrollado modelos predictivos para detección de fraude usando técnicas de Machine Learning.

Redactor en

Cheat sheet sobre Pandas y Seaborn: agiliza la visualización de tus datos

¿Trabajas con grandes cantidades de datos? Entonces sabrás de la importancia de efectuar análisis visual exploratorio sobre ellos. Así, rápidamente podemos comprenderlos, interpretarlos y exprimir al máximo todo su valor.

Si además trabajas con Python, la librería Pandas seguro que forma parte de tu día a día. En esta cheat sheet resumimos con simpleza los plots que se pueden ejecutar nativamente sobre los dataframes de Pandas.

Y si estás en un nivel experto, también te dejamos una pequeña muestra de lo que se puede hacer con Seaborn, otra librería de visualización avanzada que proporciona estilo y mayor funcionalidad a nuestras gráficas.

¡Descárgate nuestra cheat sheet! Y si tienes alguna sugerencia o idea no dudes en compartirla con nosotros.

Descarga PDF

sigue leyendo…

AWS Summit 2019: participamos en la DeepRacer League

Toda la comunidad técnica esperamos cada año con cierta inquietud uno de los eventos tecnológicos que se celebran en nuestros país: el AWS Summit, un encuentro donde Amazon presenta las principales novedades en sus productos y servicios.

Pero este año, además, AWS Summit 2019 traía una novedad especial: la DeepRacer League, una competición en la que desde Paradigma ¡no nos pudimos resistir a participar!

Pero, ¿qué es la DeepRacer League y cuál fue nuestra experiencia? Hoy en el blog, te contamos cómo nos preparamos para competir en esta liga y qué aprendimos de esta divertida carrera.

sigue leyendo…

Machine Learning fácil: introducción a PyTorch

El aprendizaje profundo (Deep Learning en inglés) con redes neuronales es actualmente una de las ramas de la inteligencia artificial más prometedora. Esta innovadora tecnología se usa comúnmente en aplicaciones como reconocimiento de imágenes, de voz, sistemas de traducción automática, entre otras.

Existen varias opciones en cuanto a tecnologías y librerías se refiere, siendo Tensorflow, desarrollada por Google, la más extendida actualmente.

Sin embargo, nos vamos a centrar en PyTorch, una alternativa emergente que está ganando tracción rápidamente gracias a su facilidad de uso y otras ventajas como su capacidad nativa para ejecutar en la GPU o tarjeta gráfica, lo que permite acelerar procesos tradicionalmente lentos como el entrenamiento de modelos. Es la librería principal de Facebook para aplicaciones de aprendizaje profundo.

Sus elementos fundamentales son los tensores, que se pueden equiparar con vectores de una o varias dimensiones.

sigue leyendo…

Machine Learning made easy: an introduction to PyTorch

Deep Learning with neural networks is currently one of the most promising branches of artificial intelligence. This innovative technology is commonly used in applications such as image recognition, voice recognition and machine translation, among others.

There are several options out there in terms of technologies and libraries, Tensorflow – developed by Google – being the most widespread nowadays.

However, today we are going to focus on PyTorch, an emerging alternative that is quickly gaining traction thanks to its ease of use and other advantages, such as its native ability to run on GPUs, which allows traditionally slow processes such as model training to be accelerated. It is Facebook’s main library for deep learning applications.

Its basic elements are tensors, which can be equated to vectors with one or several dimensions.

sigue leyendo…