dato mata relato…
Aclaración para mis lectores y lectoras aunque solo tengas ese papel una vez en la vida. Muchos de estos textos están escritos del tirón y no pocos están sin una segunda o tercera revisión. Asume que encontrarás frases mal construidas, tal vez, alguna errata, casi seguro. Espero que tengas la inteligencia como para quedarte con el mensaje y usarlo, o rebatírmelo, que también vale, sin entrar en la simple descalificación o en el uso de falacias, que es el recurso de l@s tont@s.
-
Tipología práctica de los datos: lo que debes entender antes de modelar
Antes de analizar datos debes entender cómo existen, cuál es su modelo original. Y, además, tener en cuenta qué es lo que te dan para desarrollar tu análisis.
-
Cuando los datos cuentan cualquier cosa menos un hecho
Son tantos los errores, problemas y confusiones que pueden generar los datos como beneficios que pueden aportar a la organización. ¿Quieres saber qué debes cuidar en un proceso ETL?
-
El impacto de las decisiones de un analista de datos
Los posibles errores que puedes provocar con tus análisis son tantos que casi da hasta miedo. La verdad se contiene en los datos. Y los errores en su interpretación.
-
Las cualidades de un analista de datos que nadie te cuenta
5 cualidades y 5 habilidades básicas para un analista de datos.
-
Cómo utilizar prompts en el análisis y la ciencia de datos
Los modelos LLM (large language models o modelos de lenguaje de gran escala) están detrás de lo que llamamos las IAs generativas como ChatGPT o Gemini. Entender cómo le pedimos a estas inteligencias artificiales respuestas es esencial para maximizar los resultados. Especialmente en ciencia de datos.
-
Mejores prácticas de prompting: Una guía para el analista de datos (y cualquiera)
Cómo construir prompts efectivos en Inteligencias Artificiales Generativas. Los 5 pasos para sacar el máximo partido a tu IA favorita.