Artículos recomendados para los entusiastas de la ciencia de datos (noviembre 2022)

"Si tuviera una hora para resolver un problema y mi vida dependiera de la solución, emplearía los primeros 55 minutos en determinar la pregunta adecuada, pues una vez que conozca la pregunta adecuada, podría resolver el problema en menos de cinco minutos"

-Albert Einstein (1879-1955)

Viene el fin de semana y si eres de los que les gusta mantenerse al día con lo último en ciencia de datos, aquí te dejo siete lecturas que te ayudarán a mejorar tus habilidades:

1. 23 preguntas que se hace un proyecto de ciencia de datos exitoso antes de embarcarse (IBM Data Science).
2. En el siguiente artículo, se explica de manera sencilla qué es la valoración del impacto y cómo puede medir el valor empresarial de los esfuerzos sociales y medioambientales (WEF). Sin duda, les dará buenas ideas en el análisis de datos en los criterios ESG (factores ambientales, sociales y de gobierno corporativo que se tienen en cuenta a la hora de invertir en una empresa).
3. El siguiente artículo justamente procede de la unidad de evaluación de impacto del Banco Mundial y nos comparte un check list con las 10 pequeñas cosas que nos vuelven locos con los resultados de la regresión (Development Impact), sin duda una lectura obligada para los que trabajamos con modelos de regresión.
4. Para los que ya trabajan con python y desean aprender nuevos trucos, aquí les dejo algunos estilos simples pero avanzados en la visualización Matplotlib de Python (Regenerative).
5. Acá un paper muy bueno para la practitioners de la comunicación visual con datos: Franconeri, S. L., Padilla, L. M., Shah, P., Zacks, J. M., & Hullman, J. (2021). The Science of Visual Data Communication: What Works. Psychological Science in the Public Interest, 22(3), 110–161. https://doi.org/10.1177/15291006211051956
6. Vamos con los modelos de aprendizaje automático. Por aquí les dejo esta guía para la selección de modelos durante la extrapolación (IBM Data Science).
7. Por último, este artículo que te muestra una aplicación para reducir los residuos con machine learning (TensorFlow Blog).

Hasta aquí el post del día de hoy y si te gustó, no te olvides de compartir.

¡Hasta la próxima!