Machine Learning es uno de los conceptos más de moda últimamente en el mundo del tratamiento de los datos. Aparece en medios, se escriben artículos, hay cursos online y libros que tratan de explicar los fundamentos y los detalles más complejos de ésta disciplina profundamente arraigada en la estadística y el álgebra lineal. Muchas de éstas publicaciones lo muestran como uno de los recursos más importantes en el análisis avanzado de datos, y desde SolidQ creemos firmemente en ello.

Sin embargo, Machine Learning no es diferente a cualquier otra herramienta o disciplina de procesamiento de datos, y se enfrenta a retos constantemente. De la misma manera que nos encontramos casos de negocio “estándares”, como la predicción de riesgo de un cliente en seguros o la tasa de abandono de un servicio, también nos encontramos casos “especiales” que requieren de una aproximación algo más cuidada.

Éste es el caso que nos encontramos cuando quisimos predecir valores de la bolsa de Wall Street para unas cuantas empresas del ámbito tecnológico. En esta sesión repasamos las diferentes aproximaciones a problemas de predicción de éste tipo, veremos cómo lo implementamos y evaluamos su utilidad para entender cómo la interpretación del dato es clave en cualquier análisis de datos, y Machine Learning no es una excepción.

 

A continuación, puedes ver la presentación de la charla ‘Jugando a ser rico: Machine Learning para predicción de stocks’ del SolidQ Summit 2018:

Pau Sempere

Pau Sempere Sánchez es miembro de SolidQ en el área de Inteligencia de Negocios como Data Platform Architect, participando, sobre todo, en proyectos BI & Analytics.

Latest posts by Pau Sempere (see all)