Llegar por primera vez al mundo del DS y ML es una experiencia difícil. Se asemeja a un bosque neblinoso dónde no puedes ver 2 pasos adelante. En esta emisión no ofrecemos la guía última y definitiva de qué es lo que se tiene que saber, pero sí ofrecemos un lugar y un recurso dónde empezar a buscar. ¡Bienvenidos a la 2da temporada de Cuestión de Datos!

En este episodio exploramos algunas de las malas prácticas alrededor de esta mítica herramienta de la estadística y la ciencia de datos. Ademas recibimos a nuestro primer invitado: Arturo González Bencomo, data engineer y devops. Platicamos con él sobre el Predictive Power Score ¿Lo conoces? Además, nueva sección, nuevo formato y en el repositorio: Thomas Linn Pedersen

Uno de los términos más populares en el mundo de la ciencia de datos es: Machine Learning, pero ¿qué es lo que realmente significa? ¿Cuál es el verdadero alcance de estas dos palabras cómo disciplina? Además, nos preguntamos como demostrar que verdaderamente somos 'Data Scientists' en una disciplina que aún no se ha convertido de profesión. En el repositorio: ¡El Data Scientist más famoso del mundo!

Ser científico de datos se ha vuelto muy popular en los últimos años. ¿Por qué? En este episodio, nos sumergimos en los obstáculos de la ciencia de datos, en qué es realizar un "deployment", y de cómo construir un producto de datos. Además, discutimos sobre la importancia de la ética profesional y de cómo, al adoptar un código de ética, ganamos todos.

¿Alguna vez se han preguntado qué es la Estadística Bayesiana? En este episodio de Cuestión De Datos respondemos esta y más preguntas. Además, mencionamos algunos puntos importantes de un buen commit, y cómo git ha sido una herramienta crucial en el desarrollo del open source.

Los Jupyter Notebooks son el ambiente de desarrollo más popular para el DS, hoy hablaremos de sus ventajas, desventajas, y precauciones a tomar al momento de usarlos. Además exploramos los fundamentos de Tidy Data. En el repositorio tenemos a: ¡Hadley Wickham!

¿Podemos prescindir de la visualización? Y si no, ¿qué tan importante es el papel de las visualizaciones en el trabajo de un Data Scientist? Además, indagamos en uno de los temás más importantes de la profesión: la predicción, ¿por qué no simplemente ajustar polinomios a los datos? Eso, y una serie de datos curiosos sobre John Tukey, en este episodio.

Estos lenguajes tan populares entre los científicos de datos, ¿son enemigos?, ¿son amigos? ¿Basta con programar en uno o se puede programar en los dos? Hablemos de esto y más en este episodio de Cuestión de Datos.

Iniciamos este podcast platicando sobre dos términos en boga en la comunidad del análisis de datos: Ciencia de Datos y Open Source. Somos dos entusiastas buscando abrir un espacio de discusión e intercambio de opiniones sobre la ciencia de datos para la comunidad de habla hispana. Discusiones, controversias e invitados en Cuestión de Datos.