{"id":283,"date":"2024-08-26T11:04:00","date_gmt":"2024-08-26T10:04:00","guid":{"rendered":"https:\/\/juanluisacebal.com\/?p=283"},"modified":"2024-08-23T18:31:13","modified_gmt":"2024-08-23T17:31:13","slug":"periodismo-de-datos-y-machine-learning-con-orange-data-mining","status":"publish","type":"post","link":"https:\/\/juanluisacebal.com\/index.php\/2024\/periodismo-de-datos-y-machine-learning-con-orange-data-mining\/","title":{"rendered":"Periodismo de datos y machine Learning con Orange Data Mining"},"content":{"rendered":"\n

En esta entrada, me sumerjo en dos campos apasionantes que se entrelazan con mi formaci\u00f3n en ciencia de datos en la UOC<\/a>: el periodismo de datos y el machine learning. Aqu\u00ed comparto un resumen de lo que he trabajado, enfoc\u00e1ndome en c\u00f3mo los datos pueden revelar tendencias globales y predecir resultados de salud importantes.<\/p>\n\n\n\n

Periodismo de datos<\/strong>: Mi an\u00e1lisis se centra en la adopci\u00f3n global de veh\u00edculos el\u00e9ctricos, utilizando datos proporcionados por la Agencia Internacional de Energ\u00eda. Este estudio no solo examina las tendencias de ventas y uso de veh\u00edculos el\u00e9ctricos hasta 2023, sino que tambi\u00e9n destaca las disparidades significativas entre pa\u00edses como Noruega y Suecia, que lideran la transformaci\u00f3n, frente a otros que a\u00fan est\u00e1n rezagados. Lo m\u00e1s impactante para m\u00ed ha sido descubrir la variabilidad<\/strong> en la adopci\u00f3n<\/strong> de veh\u00edculos el\u00e9ctricos en Am\u00e9rica Latina<\/strong> y ciertas \u00e1reas de Europa, lo que sugiere barreras pol\u00edticas y de infraestructura. Adem\u00e1s, hablo de la huella de carbono<\/strong> que conlleva la fabricaci\u00f3n de estos veh\u00edculos y c\u00f3mo se compensa r\u00e1pidamente en pa\u00edses con energ\u00eda limpia.<\/p>\n\n\n\n

Machine Learning I<\/strong>: En este proyecto, me concentro en un conjunto de datos sobre pacientes con diabetes, sobre el software Orange<\/a>, donde exploro m\u00faltiples variables como la glucosa en sangre y la presi\u00f3n arterial. A trav\u00e9s de un proceso de visualizaci\u00f3n y an\u00e1lisis, identifico valores at\u00edpicos y ajusto modelos predictivos utilizando regresi\u00f3n log\u00edstica, redes neuronales y Naive Bayes. Eval\u00fao cada modelo con detenimiento, empleando m\u00e9tricas como la precisi\u00f3n, sensibilidad (recall) y la puntuaci\u00f3n F1, lo que me permite encontrar el mejor enfoque para predecir la presencia de la enfermedad. <\/p>\n\n\n\n

En medicina, el desaf\u00edo frecuente es priorizar la sensibilidad sobre la precisi\u00f3n. Esto se debe a que minimizar los errores de tipo II, o falsos negativos, es crucial: es m\u00e1s cr\u00edtico evitar clasificar a una persona enferma como sana que diagnosticar err\u00f3neamente a alguien sano como enfermo. Aunque siempre se busca un equilibrio entre los errores de tipo I y tipo II, en el contexto m\u00e9dico se tiende a priorizar la reducci\u00f3n de falsos negativos, debido a las posibles consecuencias graves de no tratar una enfermedad a tiempo.<\/p>\n\n\n\n

Este an\u00e1lisis no solo ha enriquecido mi comprensi\u00f3n t\u00e9cnica, sino que tambi\u00e9n ha profundizado mi apreciaci\u00f3n por las implicaciones sociales y pol\u00edticas de los datos m\u00e9dicos. Adem\u00e1s, subraya la importancia de utilizar estos datos de manera responsable y asegurar que permanezcan an\u00f3nimos para proteger la privacidad de las personas.<\/p>\n\n\n\n

Reflexiones<\/strong>: Cada an\u00e1lisis que realizo me lleva a reflexionar sobre c\u00f3mo los datos que manejamos pueden influir en decisiones pol\u00edticas y sociales. En particular, hablo de la importancia de modelos predictivos precisos en el \u00e1mbito m\u00e9dico, donde los errores pueden tener consecuencias directas en la vida de las personas. La precisi\u00f3n y la sensibilidad de los modelos no solo son fundamentales desde el punto de\u00a0vista t\u00e9cnico, sino tambi\u00e9n \u00e9tico.<\/p>\n\n\n\n

Todos los datos y an\u00e1lisis presentados en este art\u00edculo, as\u00ed como en este sitio en general, se basan en informaci\u00f3n de dominio p\u00fablico o bajo licencias Creative Commons, espec\u00edficamente CC0 o CC BY. La imagen destacada ha sido generada mediante inteligencia artificial y tambi\u00e9n es de dominio p\u00fablico. El documento adjunto ha sido elaborado por m\u00ed y cuenta con su propia bibliograf\u00eda; est\u00e1 compartido bajo la licencia CC BY. Si tienes dudas o necesitas m\u00e1s informaci\u00f3n, no dudes en preguntarme.<\/p>\n\n\n\n

Si quieres ver el documento, aqu\u00ed puedes:<\/p>\n\n\n\n