Weekly Data Science links (May 13)

-

These are my data science recommended readings for this weekend:
  1. Five steps for companies to make AI pilots a success. The pandemic has made the need for organisations to digitise and increase technology adoption even more urgent. More and more companies are turning to artificial intelligence for help in their processes. But how can managers ensure that they go about it in the most effective way possible? Terence Tse, Dilpreet Sall, Mark Esposito and Danny Goh created a five-step methodology to improve the odds of success in AI adoption (LSE Business Review).
  2. Adopting a smart data mindset in a world of big data. Industrial companies are using artificial intelligence to improve plant operations. To be successful, they will need to transform their data with the help of domain experts (McKinsey).
  3. After a year of COVID-19 charts, eight data communication lessons learned. In this article, the author choose eight examples from the last year that each reveal one key lesson anyone trying to foster a better data culture should adopt (Tableau).
  4. A Complete Guide to Confidence Interval, t-test, and z-test in R. This article will start with the basic concepts of the confidence interval and hypothesis testing and then we will learn each concept with examples (Regenerative).
  5. Self-Supervised Pretraining of Visual Features in the Wild. The research team from facebook published this paper earlier this year which explains SEER - their self supervised model trained on "random, uncurated images". Pretraining models has shown to be very effective for building very powerful models. How about unsupervised pretraining? (arXiv).
  6. Machine learning as a natural experiment: Application to fashion e-commerce. Machine learning algorithms are increasingly being used in decision making. Web companies, car-sharing services, and courts rely on algorithms to supply content, set prices, and estimate recidivism rates. This column introduces a method for predicting counterfactual performance of new algorithms using data from older algorithms as a natural experiment. When applied to a fashion e-commerce service, the method increases the click through rate and improved the recommendations algorithm (VoxEU).
  7. Emerging Python Libraries You Should Add to Your Data Science Toolkit in 2021. In this article, the author shares what she considers new "game changing" libraries for: 1. Model Deployment, 2. Data Modeling, and 3. Exploratory Data Analysis (Towards Data Science).
  8. Finally, Data Hut is a free website that tracks open source projects in the data science and data engineering space.

Comentarios

Publicar un comentario

Entradas populares de este blog

¿Qué significan los números en el triángulo de reciclaje de los plásticos?

-
Imagen
Hoy traigo, una información que puede ser interesante, en los envases de plástico, normalmente en la parte de abajo, aparece un triangulo (símbolo de que el producto es reciclable) y en el centro contiene un número. Mucha gente piensa que el número representa la calidad del plástico, es decir, que el 1 puede ser de mejor o peor calidad, o una numeración más alta, será de mayor calidad el envase de plástico. Pero esto realmente no es así. Varios productos plásticos están identificados con un número dentro del símbolo de reciclaje. Este número indica el tipo de plástico del cual está hecho el producto. PET o PETE (Polietileno tereftalato). Es el plástico típico de envases de alimentos y bebidas, gracias a que es ligero, no es caro y es reciclable. Una vez reciclado, el PET se puede utilizar en muebles, alfombras, fibras textiles, piezas de automóvil y, ocasionalmente, en nuevos envases de alimentos. HDPE (Polietileno de alta densidad). Gracias a su versatilidad y resiste
Leer más

Metallica versus Megadeth ¿quien es mejor? la estadística nos da la respuesta

-
Imagen
Sin lugar a dudas tanto Metallica como Megadeth son dos gigantes del Heavy Metal. Pero realmente ¿la popularidad es sinónimo de calidad musical? Una realidad es que el éxito comercial no necesariamente conlleva a una mejor calidad, y es aquí, cuando se mantiene el debate sobre qué banda es mejor, si Megadeth o Metallica. En el post de hoy, se presenta un análisis estadístico y visual sobre la discografía de estudio de Metallica y Megadeth, en base a las percepciones de calidad musical de los discos según los seguidores de ambas bandas. I. Metodología a. Selección de la muestra Primeramente, se consideran para el análisis comparativo, solo los álbumes de estudio , es decir, no se toman en cuenta discos recopilatorios, en vivo, de versiones o covers (como el Garage Inc de Metallica y el Hidden Treasures de Megadeth), así como de colaboraciones ( Lulu de Metallica). b. Selección y validación del indicador Segundo, se ha tomado como base comparativa para el análisis,
Leer más

Los programas más usados por economistas

-
Existe una amplia gama de programas informáticos (softwares) de estadística y econometría que son usados por los economistas. El uso de algunos de ellos, se puede deber a los programas enseñados/aprendidos durante la etapa de formación o especialización. Muchas veces aprendemos a usar sólo 1 y nos limitamos a nosotros mismos en la utilización de otras herramientas que pueden mejorar el análisis económico. A continuación, les menciono algunas de las principales características o diferencias entre los programas que usamos más comúnmente los economistas. Si dividieramos los programas en la siguiente categoría, según Kerem Tuzcuoglu ( theoretical and applied econometrician ): un click (programas que casi no requieren de programación y los resultados se obtienen con un sólo click), semi-programación (requieren un nivel intermedio para escribir los comandos) y programación-pura (definitivamente hay que saber programar para su utilización). En base a las categorías antes definid
Leer más