El Analista Económico-Financiero

Fuente: Our World in Data El 30 de noviembre de 2022, se lanzó de manera gratuita el ChatGPT, un chatbot de inteligencia artificial de red neuronal de aprendizaje profundo desarrollado por OpenAI , pertenece a la familia de modelos lingüísticos del Transformador Generativo Preentrenado (GPT por sus siglas en inglés). Desde su lanzamiento, las redes sociales y los medios, no han dejado de realizar consultas, pruebas y experimentos con el chatbot. El post del día de hoy, les comparto una serie de lecturas que nos pueden dar una clara idea (comprobada) de lo que puede hacer actualmente este tipo de tecnología en economía y finanzas. El Instituto CFA (un referente para los profesionales en finanzas) no se ha querido quedar atrás en el tema y ha publicado un artículo que discute sobre los orígenes, el revuelo, y la oportunidad que supone el famoso ChatGPT. Otro artículo bastante interesante es el que nos trae el economista experto en inferencia causal y econometría,  Scott Cunningham ,

Data Overcoming original sin: insights from a new dataset ( BIS ). LLaMA: Open and Efficient Foundation Language Models ( Meta ). Methodology Expanding the usability of remote sensing data in development ( Development Impact ). Practice How to Perform Image Segmentation with Thresholding Using OpenCV ( Regenerative ). Just for AI Titans — Autonomous & Continuous AI Training - MLOPS on steroids ( IBM Data Science in Practice ). DataViz & BI Good Practices Macro Snapshot / St. Louis Fed ( The Big Picture ). What is the Most Successful Hollywood Movie of All Time? ( Information is beautiful ). Feel free to follow me on Twitter

El día de hoy, les comparto algunas novedades enfocadas a las tecnologías (Tableau, IBM y Google) que un científico de datos debe de manejar día a día, tres recursos para realizar cursos gratuitos. Finalmente, la visualización de la semana realizada con Python. Novedades DataFam Roundup: February 6 - 10, 2023 . Un blog semanal de Tableau que reúne las tendencias de la comunidad en una sola entrada. Updates: TensorFlow Decision Forests is production ready . En este post, te muestra todas las novedades que trae la librería  TensorFlow Decision Forests . Cloud Pak for Data 4.6 Code Experience with VS Code Integration . Este artículo ofrece una visión general de la experiencia de código para los científicos de datos en Watson Studio en Cloud Pak for Data 4.6 de IBM. Cubre la nueva integración mejorada de VS Code Desktop y la integración de JupyterLab y RStudio . La integración de escritorio de VS Code permite a los científicos de datos utilizar un IDE familiar para ejecutar y depurar c

How open source software shapes AI .  Paper here . Infographic: Generative AI Explained by AI (Visual Capitalist). Clearing data-quality roadblocks: Unlocking AI in manufacturing (McKinsey). Predict building energy consumption using AutoAI (IBM). What is Tableau Public’s Viz of the Day?   (How) Should I stratify when randomizing at the group level?  (World Bank). Feel free to follow me on Twitter

Ventas de discos de vinilo en los EE.UU. desde 1973 hasta 2021 (millones de unidades) 1. Una breve línea de tiempo de los formatos musicales En 1948, Columbia Records introdujo los discos de vinilo . En 1979, se lanza el Walkman de Sony que alcanza una popularidad como formato musical durante la década de los años ochentas. El disco compacto de audio digital, comúnmente conocido como CD, se inventó en 1979 como un proyecto de desarrollo conjunto de Sony y Philips. No obstante, su lanzamiento público se produjo en 1982, cuando "The Visitors" de la agrupación Abba hizo historia como el primer disco editado en este formato. Cabe destacar que por cuestiones de precios, dicho formato no alcanzaría su popularidad hasta finales de los 80s. Desarrollado a principios de los 80s como un trabajo posdoctoral en los laboratorios Bell de AT&T, el MP3 amplió los códecs preexistentes para comprimir audio. Sin embargo, el MP3 no se generalizó su uso  en Internet hasta 1992. Pero no se

Pues esta semana les traigo algunos recursos para los interesados en la ciencia de datos. Recuerden que no todo es saber código. Como bien señala nuestro primer artículo recomendado de la revista de negocios de la London School of Economics:  Los modelos matemáticos son simplificaciones. Ningún modelo es capaz de integrar todos los numerosos equilibrios políticos, económicos y sociales que intervienen en la toma de decisiones de política pública. Las soluciones son tanto técnicas como sociales. Por ello, necesitamos más trabajo sobre el contexto social y el contenido social de los modelos matemáticos, y un pensamiento crítico sobre cómo estos modelos interactúan con la toma de decisiones y el desarrollo de políticas ( LSE Business Review ) y ojo que esto también aplica para las empresas. El siguiente artículo , parte de un "estudio" para evaluar si el aumento del IVA de bebidas azucaradas redujo realmente el consumo. Lo interesante, es que los autores del post llevan a cabo

El día de hoy, les comparto una serie de artículos variados, que van desde la discusión de métodos estadísticos aplicados a la evaluación, el análisis visual, el uso de IA en finanzas, y por qué no, el uso del aprendizaje automático para evaluar el impacto de la electrificación. Finalmente, un recurso para practicar el uso de TensorFlow. Así que, arrancamos con nuestra primera recomendación para los científicos de datos que les gusta la evaluación de impacto Bayesiana:  Bringing informative priors into your experiment: Bayesian impact evaluation ( Development Impact ). En Medium, Fahad Mirza nos comparte sus 25 mejores visualizaciones para resumir datos en STATA (con código completo). Suptech in insurance supervision : Dada la importancia del papel de la tecnología de supervisión (suptech) en la "nueva normalidad", los supervisores de seguros ven la necesidad de comprender claramente el potencial de la suptech para ayudar a su trabajo. Este documento pretende contribuir a

Desde el año pasado, inicié un tipo de entrada en este blog, donde resumía algunas de mis participaciones en webinars, eventos, publicaciones, entre otros . Esto con el objetivo de compartir algunos recursos propios o experiencias que puedan ser de ayuda a otros. Artículos de divulgación Zorrilla-Salgador, J.P. (2022). Escenarios económicos 2023: una guía para no economistas . EFFETÁ (12 de agosto de 2022). Zorrilla-Salgador, J.P. (2022). La innovación digital y propuestas de políticas públicas en el contexto del Covid-19 . Cuadernos Centroamericanos del ICAP , 37 (febrero de 2022), pp. 15-19. Webinars Invitado especial en el primer episodio de la segunda temporada del programa 'Bienestar con B de Buentrato' conducido por la Dra. Traudy Avila Schlottfeldt donde hable acerca de la importancia de invertir en la primera infancia desde la perspectiva de la política económica (emitido el 07/01/22). Conferencia  “La polifuncionalidad del economista: experiencias de un mexicano en e

En los últimos años, tanto la pandemia por COVID-19 como las tensiones geopolíticas han obligado a las empresas a evolucionar rápidamente tanto sus procesos de gestión como sus modelos de negocio. Lo que ha llevado a las organizaciones a adoptar la analítica avanzada como pilar básico de la innovación dentro de sus funciones generales y administrativas. En la siguiente figura, se muestran los usos más frecuentes de analítica avanzada en las empresas según área o función: Fuente: McKinsey Concretamente, la visualización nos presenta los principales resultados de un estudio realizado a 302 líderes de diversas funciones corporativas (incluidos directores financieros, directores de recursos humanos, directores de información y asesores generales). Donde se les consultó por los 5 usos más frecuentes de la analítica, por función (Finanzas, Recursos Humanos, Tecnologías de la Información, Compras y Bienes Inmuebles). El color azul, indica un mayor uso por la mayoría de las empresas encuestad

Esta semana les traigo una serie de recursos que creo serán muy útiles para los interesados en practicar la ciencia de datos. El primer bloque, son varios artículos para el análisis de texto: How to make causal inferences using texts Speech To Text (STT) using the Watson Speech Library Hierarchical Topic Modeling Using Watson NLP Para los interesados en crear soluciones para una mejor prevención del fraude, aquí les dejo un artículo con cuatro capacidades clave para reforzar un sistema de gestión del fraude . Por otra parte, en el siguiente artículo se hace un análisis sobre el cripto trading y el Bitcoin , incluye base datos para aquellos interesados en realizar sus propios análisis.  Finalmente, aquí les dejo un curso gratuito que utiliza Keras y TensorFlow para crear una red neuronal de aprendizaje profundo para la detección de anomalías en datos de series temporales:  Developing cognitive IoT solutions for anomaly detection using deep learning . Hasta aquí el post del día de hoy y

Today, I am sharing with you a series of resources from IBM Data Science in Practice: einsum — An Easy/Intuitive way to write Tensor Operation How to Build an in-database Linear Regression Model with IBM Db2 Train Better with NLU Classifications An enterprise design pattern for MLOps & DataOps on unified data and AI platforms Explainability and Trust in Machine Learning Developing cognitive IoT solutions for anomaly detection using deep learning For more data science resources feel free to follow me on Twitter Have a nice day

"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: 23 preguntas que se hace un proyecto de ciencia de datos exitoso antes de embarcarse ( IBM Data Science ). 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). El siguiente artículo justamente pro

El post del día de hoy viene cargado de recursos, por lo que he decidido dividirlo en dos bloques. El primero, dedicado a recursos para fortalecer los conocimientos en técnicas y metodologías aplicadas a la ciencia de datos. El segundo, con recursos más avanzados para profesionales que trabajen con inteligencia artificial. Técnicas y Metodologías How to Run Surveys: A Guide to Creating Your Own Identifying Variation and Revealing the Invisible How to Make Sure Your Research Paper is Reproducible? Evidence from 55 Papers . No te dejes engañar por el título, ya que son consejos y buenas prácticas para que tu código sea reproducible. Agile funding: An investment management approach to funding outcomes . Metodologías ágiles en finanzas, pero los consejos de este artículo valen igual para los equipos/proyectos de ciencia de datos. How to do meta-analysis using a Bayesian Hierarchical Model and when does it make sense to do so? Machine Learning e Inteligencia Artificial Four Benefits of Dat

En el post del día de hoy, les traigo una serie de artículos sobre ciencia de datos ( data science ), especificamente mucho sobre aplicaciones de aprendizaje automático ( machine learning ). Ciencia de datos Mi primera recomendación es leer Economistas en ciencias de datos: un terreno fértil y una adaptación con impronta bilardista de Walter Sosa Escudero todo un referente de la divulgación del data science . Ejemplos de aplicaciones de ML e IA A continuación, les dejo una lista de lecturas que muestran diversas aplicaciones de machine learning (ML) o inteligencia artificial (IA): Podcast The Mixtape with Scott - S1E24: Interview with Ronny Kohavi, Computer Scientist . Ronny Kohavi habla de los primeros días del aprendizaje automático y las pruebas A/B en tecnología. ¿A quién le importa el cambio climático? la respuesta se obtuvo con un web scraping y un análisis de texto con un enfoque de redes complejas. Introducing Whisper . Los autores han entrenado y están abriendo ( open IA )

Hoy en día, las empresas colaboran en redes de valor hiperconectadas. El uso eficaz de los datos en la manufactura puede hacer que las empresas sean más sostenibles y rentables. Concretamente, utilizando aplicaciones de datos y análisis para impulsar la productividad, desarrollar nuevas experiencias de los clientes y mejorar el impacto social y medioambiental de las empresas. Con el análisis de datos las empresas pueden: Proporcionar información procesable discerniendo patrones a partir de los datos mediante el análisis humano de informes y cuadros de mando ( dashboards ). Predecir resultados futuros para que las partes interesadas actúen, utilizando análisis avanzados de datos históricos (series temporales). Habilitar sistemas de auto-optimización que tomen acciones autónomas a través de algoritmos de auto-aprendizaje, con información de datos históricos y en tiempo real ( machine learning ). La inversión digital está dando sus frutos de múltiples maneras para las empresas que lideran

La transformación digital, en sentido amplio, es la integración de las tecnologías digitales en todas las áreas de una empresa, mejorando los procesos operativos actuales y creando otros nuevos, y aportando más valor a los clientes. Representa un cambio cultural hacia formas más ágiles e inteligentes de hacer negocios, impulsadas por tecnologías como la analítica avanzada y la Inteligencia Artificial ( Statista ). Con esta definición sobre la transformación digital, arrancamos el post del día de hoy, dedicado a compartirles recursos, tanto para los interesados en aprender ciencia de datos, como para aquellos que desean seguir practicando con herramientas más avanzadas.  Índice de Calidad de Vida Digital 2021 Antes que nada me gustaría compartirles un Índice que mide el nivel de Calidad de Vida Digital en 2021. Se trata de una investigación global sobre la calidad de bienestar digital en 110 países (90% de la población mundial). Este estudio rankea a los países atendiendo a cinco pilar