92 conceptos que tienes que tener en la cabeza

Cuarta revolucion industrial: automatizacion inteligente, interconexion, y toma de decisiones basada en datos en tiempo real.

Ej: Una fabrica con sensores IoT en cada linea de produccion que ajustan parametros automaticamente.

Integracion profunda de componentes fisicos (sensores, maquinas) y software que permite la comunicacion y toma de decisiones descentralizada.

Replica virtual de un sistema fisico usada para simular, predecir y optimizar procesos antes de ejecutarlos en el mundo real.

Aplicacion del IoT especificamente en la industria: manufactura, energia, logistica. Sensores en maquinaria que reportan datos continuamente.

Flujo de datos en 4 capas: IoT captura, IoS procesa, IoD almacena, IoP visualiza para decision humana.

Sintaxis compacta de Python para generar o filtrar listas en una sola linea.

Ej: [x for x in lista if x > 0]

Funcion que "recuerda" el entorno y las variables locales de su ambito de creacion, incluso despues de que el ambito haya terminado.

Uso de operaciones sobre arrays completos (NumPy/Pandas) en lugar de bucles for, logrando velocidad 10-100x mayor.

Mecanismo de NumPy que permite operaciones entre arrays de distintas dimensiones ajustandolos automaticamente.

Array unidimensional indexado de Pandas. Equivale a una columna de un DataFrame con etiquetas de fila.

Estructura bidimensional de Pandas: una o mas Series compartiendo el mismo indice. Es la estructura central para datos tabulares.

Warning de Pandas cuando intentas modificar un slice. Indica ambiguedad entre modificar el original o una copia.

Ej: Solucion: usar df.loc[mask, "col"] = valor, nunca df[mask]["col"] = valor

Formato estandar donde cada variable es una columna, cada observacion es una fila, y cada tipo de unidad forma una tabla.

Paradigma: dividir datos en grupos, aplicar una funcion, combinar resultados. Implementado en groupby().agg() y groupby().transform().

Reemplazo de valores faltantes por sustitutos estadisticamente razonables (media, mediana, KNN, etc).

Diferencia entre el percentil 75 (Q3) y el percentil 25 (Q1). Usado para detectar outliers (> Q3 + 1.5*IQR o < Q1 - 1.5*IQR).

Tres mecanismos de datos faltantes: MCAR (completamente al azar), MAR (al azar dado lo observado), MNAR (no al azar - relacionado con el valor faltante).

Agregacion temporal: convierte serie de tiempo a otra frecuencia (D/W/M/Q/Y). Requiere DatetimeIndex ordenado.

Elementos visuales innecesarios (cuadriculas gruesas, texturas 3D) que distraen de la informacion.

Tecnica no parametrica para estimar la funcion de densidad. Crea una curva suave en lugar de bloques como un histograma.

Paleta distinguible por personas con daltonismo. Varia luminosidad, no solo tono. Ej: viridis, cividis.

Campo donde los sistemas aprenden patrones desde datos sin estar programados explicitamente para cada caso.

Tipo de ML con pares (X, y) etiquetados. El modelo aprende a mapear X -> y observando ejemplos historicos.

Features son las variables de entrada. Target es lo que queremos predecir: categorico (clasificacion) o numerico (regresion).

Cuando el modelo memoriza los datos de entrenamiento (alta accuracy en train) pero generaliza mal a datos nuevos (baja en test).

Cuando el modelo es demasiado simple y no captura la estructura real (bajo desempeno en train Y test).

Bias alto = modelo simple que subajusta. Variance alta = modelo complejo que sobreajusta. El objetivo: encontrar el equilibrio.

Algoritmo de CLASIFICACION (no regresion) que estima probabilidades con funcion sigmoide.

Algoritmo que particiona el espacio de features recursivamente. Cada nodo pregunta una condicion.

Ensemble de muchos arboles. Cada arbol vota (clasificacion) o se promedia (regresion). Robusto, no requiere escalado.

Algoritmo lazy que clasifica un punto segun la mayoria de sus K vecinos mas cercanos en el espacio de features.

Configuraciones que fijas ANTES del fit (max_depth, C, K). No se aprenden automaticamente.

Valores que el algoritmo aprende durante el fit (coeficientes en LR, splits en arboles).

Division de datos en entrenamiento (~80%) y prueba (~20%) para evaluar capacidad de generalizacion.

Tecnica que divide datos en k folds. El modelo se entrena k veces, rotando el fold de validacion. Reduce sesgo en la evaluacion.

Secuencia encadenada de transformaciones + modelo final. Automatiza flujo y previene data leakage.

Aplica transformaciones distintas a columnas segun tipo (numericas/categoricas) y las une en una sola salida.

Algoritmo de clustering que asigna cada punto al centroide mas cercano, minimizando inercia intra-cluster.

Framework de segmentacion: Recency (recencia), Frequency (frecuencia), Monetary (valor monetario).

Predice que items le gustaran a un usuario. Tipos: user-based, item-based, filtrado colaborativo, matrix factorization.

Validacion cruzada para series temporales. Train en [0:t], val en [t:t+k], desplazandose. Evita mirar el futuro.

Modelo que ajusta un hiperplano minimizando suma de errores al cuadrado (OLS).

Variantes de regresion lineal con regularizacion L2 (Ridge) o L1 (Lasso) para evitar overfitting.

Cuando informacion del test contamina el entrenamiento. Ej: imputar nulos con media global antes del split.

(TP + TN) / Total. Proporcion de predicciones correctas. Enganoso en clases desbalanceadas.

TP / (TP + FP). De los positivos predichos, cuantos eran correctos. Usala cuando FP son costosos.

TP / (TP + FN). De los positivos reales, cuantos detectamos. Usala cuando FN son costosos.

Media armonica de Precision y Recall. 2*P*R / (P+R). Balanceada, util en desbalance.

Area bajo la curva ROC. Mide capacidad discriminante. Independiente del threshold. Bueno en clases balanceadas.

Area bajo la curva Precision-Recall. MEJOR que ROC-AUC en desbalance extremo (fraude, enfermedades raras).

Metricas de regresion. MSE/RMSE penalizan errores grandes al cuadrado. MAE es mas robusto a outliers.

Proporcion de varianza en y explicada por el modelo. Rango 0-1. Mayor es mejor.

Llevar features a escala comun (StandardScaler media 0 std 1; MinMax rango [0,1]; Robust usa mediana+IQR).

Conversion de variable categorica en N columnas binarias (0/1), una por categoria.

Reemplaza cada categoria con la media del target. Util con alta cardinalidad. Riesgo de leakage.

Aprende estructura/patrones a partir de datos SIN etiquetas. Sin variable objetivo.

Tecnica de agrupamiento que particiona observaciones en grupos homogeneos segun similitud.

Suma de distancias cuadradas de cada punto a su centroide. K-Means la minimiza.

Metrica interna de clustering. Rango [-1, 1]. Mayor = mejor. Mide que tan bien asignado esta un punto.

Tecnica para elegir K en K-Means. Graficar inercia vs K y buscar el "codo" donde agregar clusters ya no aporta.

Construye un arbol de clusters (dendrograma) de abajo hacia arriba. No requiere K de antemano.

Diagrama en arbol que muestra la jerarquia de clusters. La altura de corte determina K.

Criterio de distancia entre clusters: Ward (varianza), complete (max), average (promedio), single (min).

Clustering basado en densidad. Encuentra clusters de forma arbitraria y marca outliers. Parametros: eps y min_samples.

Radio de vecindad. Dos puntos estan "conectados" si su distancia es menor a eps.

Minimo de puntos en la vecindad eps para que un punto sea "core" (centro de cluster).

Patrones "si A entonces B" extraidos de datos transaccionales. Miden co-ocurrencia entre items.

Fraccion de transacciones que contienen un itemset. Mide frecuencia de la combinacion.

P(B|A). De las transacciones con A, que fraccion tiene B. Mide fuerza de la regla.

Ratio entre confianza observada y esperada. = 1 independencia, > 1 correlacion positiva, < 1 negativa.

Algoritmo clasico de reglas de asociacion. Genera candidatos y poda por support minimo.

Algoritmo de asociacion mas eficiente que Apriori. Usa estructura de arbol (FP-Tree).

Reduccion de dimensionalidad. Encuentra direcciones de maxima varianza y proyecta datos sobre ellas.

Nueva variable (combinacion lineal de originales) que captura la mayor varianza posible.

Fraccion de varianza total capturada por cada componente. Accesible via pca.explained_variance_ratio_.

Coeficientes que indican cuanto aporta cada feature original a cada componente principal.

Tecnicas no lineales de reduccion para visualizacion 2D/3D. Preservan estructura local (t-SNE) o global (UMAP).

IA es el campo amplio. ML es subcampo (aprenden de datos). Deep Learning es subcampo de ML (redes neuronales profundas).

Modelos que CREAN contenido nuevo (texto, imagenes, codigo). Ej: GPT-4, DALL-E, Stable Diffusion.

Modelo de lenguaje entrenado con miles de millones de parametros. Ej: GPT, LLaMA, Claude, Gemini.

Paradigma donde un agente aprende a tomar decisiones maximizando recompensa acumulada.

Crear, transformar y seleccionar features para mejorar el modelo. La parte mas impactante de un proyecto.

Busqueda exhaustiva de hiperparametros. Prueba todas las combinaciones de un grid. Costoso para espacios grandes.

Busqueda aleatoria de hiperparametros. Muestrea N combinaciones. Mas eficiente que GridSearch para espacios grandes.

Frameworks de busqueda BAYESIANA de hiperparametros. Aprenden de iteraciones anteriores.

Cambio en la distribucion de los INPUTS entre train y produccion. Detectado con KS test o PSI.

Cambio en la relacion X -> y entre train y produccion. El mundo cambio, el modelo quedo desactualizado.

Libreria de sklearn para serializar modelos y pipelines a disco. joblib.dump(pipeline, "modelo.joblib").

Conjunto de practicas para llevar modelos de ML del notebook a produccion: pipelines, versionado, monitoreo, reentrenamiento.

Tecnica de explicabilidad basada en teoria de juegos. Mide contribucion de cada feature a una prediccion individual.

Plataforma open source para tracking de experimentos de ML. Registra parametros, metricas, modelos y artefactos.

Framework Python para construir APIs REST rapidas y tipadas. Muy usado para servir modelos de ML.