Hola Gerardo... y creo que a todos nos ha pasado, al menos cuando comenzamos a meternos en el tema del Machine Learning. Pensábamos que el ML era el toque mágico y la solución a todos los problemas. Un saludo!
Creo que conceptualmente es un buen resumen que permite saber que de alguna manera los procesos de machine learning están diseñados para abordar sistemas complejos, donde el modelo en algunos casos pueda inferir soluciones a partir de los datos y del entrenamiento. mil gracias muy claro.
Mi estimado profesor soy Lic. en informática escucharlo hablar tan claramente es un placer ya me acabo de suscribir a su canal. Estoy haciendo la tecnicatura en dataScience y tuvimos q elegir un dataset para poder aplicarle ML quizás lo este molestando con alguna consulta a futuro. Gracias
Hola profesor, excelente explicacion de gran aporte. En lo personal siempre a sido un punto importante en como se recolectan los datos, es decir que tan fiables son ya que en esa misma medida me estare asegurando desarrollar un analisis mas certero sobre todo en el caso de Predictibilidad. Por ejemplo en el area de Mantenimiento cada vez se emplean mas los PLC's para llevar un registro fiel de un equipo critico dentro de una linea de produccion por ejemplo, se puede llevar un registro exacto de tension, vibracion, presion, temperatura entre otros datos los cuales te aseguran una robusta y completo dataset del equipo y asi poder generar de manera fiable o con una incertumbre mucho menor la Confiabilidad del equipo, Mantenibilidad y Disponibilidad; ahora bien hablando del tema de recoleccion de datos que pudiera sugerirnos para desarrollar o cuales puntos considera usted se deben tener en cuenta para llevar un registro o construir un modelo de registro acorde? agradecido de antemano
Excelente programa, te daría un consejo que de seguro ya estás trabajando en ello, y es que diversifiques el programa para que no te agotes y permanezcas en el ruedo dentro de tu canal, es decir, síguele la pista a JavierSantaolla, español físico de partículas, estuvo en el CERN no es cualquier loco, y Eduardo Cabezón, ambos españoles, sin desperdicio tus aportes, espero seguir viendo tu canal felicitaciones
Muchas gracias por compartir sus conocimientos, quisiera saber si existe un manera de que pueda compartir el road map puesto que no me llega ningun mensaje al suscribirme en el link indicado.
Felicidades por los videos, son exquisitos y muy didácticos. Me gustaría preguntarle ¿que tipo de bases de datos son mejores para los DataSet? He leído que lo mejor es Bases de Datos Analiticas para guardar los datos como Vertica o MonetDB. La limitación de las columnas en los motores de datos relacionales (mariaDB, MySQL, SQLserver, etc) no da mas de 1.024 columnas y en mi caso los DataSet superan algunas veces las 3.000 columnas. Gracias
La conclusión que corta de raiz el uso en caso de conflictos eticos, en la práctica no es tan simple, sino los sistemas autonomos de tesla, o sistemas de reconocimiento tampoco existirian, o los deepfakes. Creo es que mas algo donde se debe generar un metodo de monitoreo constante y claridad de los posibles efectos.
Hola Wilfredo. Lo que ocurre es que el tema resulta amplio, pues dependiendo de la arquitectura de la que estemos hablando se usan diferentes herramientas matemáticas y de álgebra lineal o estadística. En los cursos online que voy a comenzar a ofrecer en el mes de Julio sí hablaré en detalle del componente matemático, para cada una de las arquitecturas que estemos revisando. Un saludo!
No, pues el número de la lotería obedece a un proceso totalmente aleatorio. Así que no existe modelo de Machine Learning, o modelo estadístico alguno, capaz de predecir esto. Un saludo!
tengo la misma situación me pide subcribirme ya lo hice pero se queda en un bluce y no me deja descargar, helpme las rutas que compartes son super como herramientas de aprendizaje, Profe Gracias por divulgar el conocimiento
@@haroldsthidpiravaguen6169 Hola! Revisa el correo de confirmación que recibiste una vez suscrito. En este correo está el enlace en donde podrás encontrar todas las descargas disponibles. Un saludo y me comentas cualquier inconveniente.
@@codificandobits llegó esto: Hemos recibido una petición para cambiar sus preferencias de suscripción en Codificando Bits. Si usted realizó esta petición, y desea cambiar sus preferencias, utilice el siguiente enlace Actualice sus preferencias
Buen video, lo agradezco. Un pequeño feedback es la pronunciación de "machine" que en inglés se pronuncia "mashine" y me provoca escalofríos cuando lo pronuncias en español con la ch jaja
Detectar patrones complejos con gran cantidad de datos disponibles para hacer predicciones estocásticas. Me imagino a alguien arruinarse desarrollando un sistema de trading con inteligencia artificial
🔥🔥Academia Online: codificandobits.com 🔥🔥
🔥🔥Asesorías y formación personalizada: codificandobits.com/servicios 🔥🔥
Este video deberían de verlo los gerentes de las compañías que piensan que el ML arreglara todos los problemas de manera mágica. Excelente video.
Hola Gerardo... y creo que a todos nos ha pasado, al menos cuando comenzamos a meternos en el tema del Machine Learning. Pensábamos que el ML era el toque mágico y la solución a todos los problemas. Un saludo!
Muy útil estas explicaciones, uno de los mejores canales de divulgación científica en español.
Gracias por tu mensaje. Un saludo!
Sos el mejor, tus videos sobre Machine Learning son los mejores de youtube. Muy informativos.
ja, ja... gracias por esos comentarios. Me motivan un montón a seguir haciendo estos contenidos. Un saludo!
Excelente explicacion. Muy entendible. Gracias por el aporte.
Creo que conceptualmente es un buen resumen que permite saber que de alguna manera los procesos de machine learning están diseñados para abordar sistemas complejos, donde el modelo en algunos casos pueda inferir soluciones a partir de los datos y del entrenamiento. mil gracias muy claro.
Mi estimado profesor soy Lic. en informática escucharlo hablar tan claramente es un placer ya me acabo de suscribir a su canal. Estoy haciendo la tecnicatura en dataScience y tuvimos q elegir un dataset para poder aplicarle ML quizás lo este molestando con alguna consulta a futuro. Gracias
Claro que sí. Me pueden contactar en codificandobits.com/contacto
Un saludo!
Muchas gracias por la excelente explicación Miguel.
Hola profesor, excelente explicacion de gran aporte. En lo personal siempre a sido un punto importante en como se recolectan los datos, es decir que tan fiables son ya que en esa misma medida me estare asegurando desarrollar un analisis mas certero sobre todo en el caso de Predictibilidad. Por ejemplo en el area de Mantenimiento cada vez se emplean mas los PLC's para llevar un registro fiel de un equipo critico dentro de una linea de produccion por ejemplo, se puede llevar un registro exacto de tension, vibracion, presion, temperatura entre otros datos los cuales te aseguran una robusta y completo dataset del equipo y asi poder generar de manera fiable o con una incertumbre mucho menor la Confiabilidad del equipo, Mantenibilidad y Disponibilidad; ahora bien hablando del tema de recoleccion de datos que pudiera sugerirnos para desarrollar o cuales puntos considera usted se deben tener en cuenta para llevar un registro o construir un modelo de registro acorde? agradecido de antemano
Una vez más, excelente video #Miguel
Excelente programa, te daría un consejo que de seguro ya estás trabajando en ello, y es que diversifiques el programa para que no te agotes y permanezcas en el ruedo dentro de tu canal, es decir, síguele la pista a JavierSantaolla, español físico de partículas, estuvo en el CERN no es cualquier loco, y Eduardo Cabezón, ambos españoles, sin desperdicio tus aportes, espero seguir viendo tu canal felicitaciones
Hola gracias por tu comentario y qué buena sugerencia. Claro que conozco a Santaoalla, uno de mis ídolos en el tema de divulgación. Un saludo!
Muy útil la info. Gracias
muchas gracias Master
Hola, el video es muy claro e interesante. Cuando intento descargar la imagen no me llega el correo de respuesta.
Oye que herramienta usas oara las imagenes de tus flujos y mapas conceptuales, te agradezco
Muchas gracias por compartir sus conocimientos, quisiera saber si existe un manera de que pueda compartir el road map puesto que no me llega ningun mensaje al suscribirme en el link indicado.
Felicidades por los videos, son exquisitos y muy didácticos.
Me gustaría preguntarle ¿que tipo de bases de datos son mejores para los DataSet? He leído que lo mejor es Bases de Datos Analiticas para guardar los datos como Vertica o MonetDB.
La limitación de las columnas en los motores de datos relacionales (mariaDB, MySQL, SQLserver, etc) no da mas de 1.024 columnas y en mi caso los DataSet superan algunas veces las 3.000 columnas.
Gracias
La conclusión que corta de raiz el uso en caso de conflictos eticos, en la práctica no es tan simple, sino los sistemas autonomos de tesla, o sistemas de reconocimiento tampoco existirian, o los deepfakes. Creo es que mas algo donde se debe generar un metodo de monitoreo constante y claridad de los posibles efectos.
Muy bueno 👌 gracias
Gracias por tu comentario. Un saludo!
Que paradigmas de programación creen que se usa en el desarrollo de software basado en machine learning?
Excelente !
Gracias por tu comentario Wilfredo. Saludos!
¿ crees que es posible hacer un video de las matemáticas involucradas en deep learning?
Estoy totalmente de acuerdo
Por ejemplo una explicación matemáticas de como funciona el perceptrón
Hola Wilfredo. Lo que ocurre es que el tema resulta amplio, pues dependiendo de la arquitectura de la que estemos hablando se usan diferentes herramientas matemáticas y de álgebra lineal o estadística. En los cursos online que voy a comenzar a ofrecer en el mes de Julio sí hablaré en detalle del componente matemático, para cada una de las arquitecturas que estemos revisando. Un saludo!
@@codificandobits me parece fenomenal y de esa manera se aprende el background que es necesario para innovar. Gracias!
@@codificandobits por cierto, los cursos ¿en que plataforma será? Nos indicas porque ya tienes aquí a un alumno.
El link no me funciona
Gracias por tu comentario Luis Andrés, no me había dado cuenta. Ya está corregido el enlace. Un saludo!
puede servir para descifrar numero de loterias?
No, pues el número de la lotería obedece a un proceso totalmente aleatorio. Así que no existe modelo de Machine Learning, o modelo estadístico alguno, capaz de predecir esto. Un saludo!
El enlace al RoadMap manda a una pagina vacia
Gracias por tu comentario. No lo había notado. Enlace corregido. Un saludo!
tengo la misma situación me pide subcribirme ya lo hice pero se queda en un bluce y no me deja descargar, helpme las rutas que compartes son super como herramientas de aprendizaje, Profe Gracias por divulgar el conocimiento
@@haroldsthidpiravaguen6169 Hola! Revisa el correo de confirmación que recibiste una vez suscrito. En este correo está el enlace en donde podrás encontrar todas las descargas disponibles. Un saludo y me comentas cualquier inconveniente.
@@codificandobits llegó esto: Hemos recibido una petición para cambiar sus preferencias de suscripción en Codificando Bits.
Si usted realizó esta petición, y desea cambiar sus preferencias, utilice el siguiente enlace
Actualice sus preferencias
me suscribí pero no me llega el mail para descarga 😅
x2
Buen video, lo agradezco. Un pequeño feedback es la pronunciación de "machine" que en inglés se pronuncia "mashine" y me provoca escalofríos cuando lo pronuncias en español con la ch jaja
Detectar patrones complejos con gran cantidad de datos disponibles para hacer predicciones estocásticas. Me imagino a alguien arruinarse desarrollando un sistema de trading con inteligencia artificial
Wow el trading nada fácil... comportamiento poco predecible, bastante aleatorio. Un saludo!
solo diré, video perfecto, para la muestra , 0 no me gusta
:) :) Gracias por ese comentario Pablo. Un saludo!
Los procesos estocásticos son aleatorios, infórmate antes men
Christopher, claro que un proceso estocástico es aleatorio. ¿Por qué lo mencionas?
@@codificandobits nada porque te equivocaste en el min 4:50
que agresivo y prepotente tu comentario!
Excelente!