<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Mariví Data Scientist on Medium]]></title>
        <description><![CDATA[Stories by Mariví Data Scientist on Medium]]></description>
        <link>https://medium.com/@MariviDataScientist?source=rss-0bd0c10453db------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Nb13tneqRAnSFgsWdKMs8g.jpeg</url>
            <title>Stories by Mariví Data Scientist on Medium</title>
            <link>https://medium.com/@MariviDataScientist?source=rss-0bd0c10453db------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Fri, 20 Nov 2026 02:26:22 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@MariviDataScientist/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[La Evolución de la Web: De Páginas Estáticas a un Futuro Inteligente]]></title>
            <link>https://medium.com/@MariviDataScientist/la-evoluci%C3%B3n-de-la-web-de-p%C3%A1ginas-est%C3%A1ticas-a-un-futuro-inteligente-a7ccdcdbcdb0?source=rss-0bd0c10453db------2</link>
            <guid isPermaLink="false">https://medium.com/p/a7ccdcdbcdb0</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[tech]]></category>
            <category><![CDATA[world]]></category>
            <category><![CDATA[data]]></category>
            <category><![CDATA[computer-science]]></category>
            <dc:creator><![CDATA[Mariví Data Scientist]]></dc:creator>
            <pubDate>Mon, 05 May 2025 15:27:40 GMT</pubDate>
            <atom:updated>2025-05-05T15:27:40.889Z</atom:updated>
            <content:encoded><![CDATA[<p>La World Wide Web ha recorrido un camino fascinante desde sus inicios en los 90. Cada etapa ha transformado cómo interactuamos con la información, los datos y el mundo digital. Desde folletos digitales hasta una web impulsada por inteligencia artificial, aquí va un viaje por las cuatro grandes eras de la web: Web 1.0, Web 2.0, Web 3.0 y Web 4.0. Si te apasiona la tecnología, los datos o simplemente quieres entender cómo llegamos hasta aquí, ¡sigue leyendo!</p><figure><img alt="Fuente: wix.com" src="https://cdn-images-1.medium.com/max/980/0*wKp1fbF6h9NtM2QJ.png" /><figcaption>Fuente: Wix.com</figcaption></figure><p>#Tecnología #Internet #Datos</p><p><strong>Web 1.0: La Web Estática (1990–2000)</strong></p><p>Imagina la web como un gran libro digital que solo podías leer. Eso era la Web 1.0. En los 90, los sitios web eran páginas estáticas creadas con HTML básico, llenas de texto, imágenes y enlaces simples. Eran como folletos digitales de empresas, universidades o frikis con ganas de compartir sus hobbies.</p><ul><li>Características: Solo lectura, sin interacción. Los usuarios eran consumidores pasivos, y crear un sitio requería saber programar.</li><li>Datos: Mayormente no estructurados (texto e imágenes). Las bases de datos existían, pero estaban encerradas en servidores privados.</li><li>Ejemplo: La página de una librería con su dirección y catálogo, sin opción de comprar o comentar.</li><li>Limitaciones: Las búsquedas (piensa en Yahoo o Altavista) eran torpes, basadas en palabras clave sin contexto. Si buscabas “Jaguar”, ¡podías terminar con un coche o un animal!</li></ul><p>La Web 1.0 fue el nacimiento de internet tal como lo conocemos, pero era unidireccional y limitada. Los datos no se conectaban, y las máquinas no entendían nada.</p><p><strong>Web 2.0: La Web Social e Interactiva (2000–2010)</strong></p><p>¡Boom! La web se volvió un lugar vibrante y participativo con la Web 2.0. Gracias a tecnologías como AJAX, CSS y bases de datos dinámicas, los sitios dejaron de ser estáticos. Ahora todos podíamos crear, compartir y conectar. ¡Bienvenidos los blogs, las redes sociales y los videos!</p><ul><li>Características: Interactividad total. Los usuarios generaban contenido en plataformas como YouTube, Facebook o Wikipedia. Los comentarios, likes y shares se convirtieron en la norma.</li><li>Datos: No estructurados (fotos, videos, publicaciones) y semiestructurados (APIs primitivas, como las de Google Maps). El volumen de datos explotó, pero seguía siendo un caos para las máquinas.</li><li>Ejemplo: Subir un video a YouTube, escribir un blog en WordPress o charlar en MySpace.</li><li>Limitaciones: Los datos estaban atrapados en plataformas centralizadas (hola, Facebook), y los motores de búsqueda no entendían el contexto. Si posteabas sobre “París”, ¿era la ciudad o tu amigo Paris?</li></ul><p>La Web 2.0 nos dio voz, pero los datos eran un desorden. Las máquinas necesitaban algo más para entender el mundo digital.</p><p><strong>Web 3.0: La Web Semántica y Descentralizada (2010-actualidad)</strong></p><p>La Web 3.0 llegó para hacer la web más inteligente y, en muchos casos, más libre. También conocida como la web semántica, esta etapa se trata de datos que las máquinas pueden entender y conectar. Además, incluye el auge de la descentralización con tecnologías como blockchain.</p><ul><li>Características: Datos estructurados con metadatos (gracias a estándares como RDF y JSON-LD) que dan contexto. Las máquinas saben que “París” es una ciudad, no una persona. También hay un movimiento hacia la descentralización con criptomonedas y dApps.</li><li>Datos: Estructurados (linked data, como en DBpedia) y descentralizados (blockchain). Por primera vez, los datos son interoperables y reutilizables entre sistemas.</li><li>Ejemplo: Google te muestra un panel con datos sobre “Leonardo da Vinci” (su obra, vida, etc.) porque usa grafos de conocimiento. O una billetera de Ethereum para comprar NFTs sin bancos.</li><li>Limitaciones: La web semántica es compleja de implementar (pocos sitios usan RDF), y blockchain enfrenta retos de escalabilidad y regulación.</li></ul><p>La Web 3.0 es un puente hacia un internet donde los datos son más inteligentes y los usuarios tienen más control. Pero, ¿y si la web pudiera pensar y actuar por nosotros?</p><p><strong>Web 4.0: La Web Inteligente y Conectada (2020-futuro)</strong></p><p>¡Bienvenidos al futuro! La Web 4.0 está emergiendo como una web ultrainteligente, personalizada y conectada con el mundo físico. Impulsada por inteligencia artificial, Internet de las Cosas (IoT), blockchain y realidades inmersivas (metaverso), esta web promete ser nuestra aliada definitiva.</p><ul><li>Características: IA que predice tus necesidades, dispositivos IoT que conectan tu casa con la web, y experiencias 3D en el metaverso. Todo es autónomo, en tiempo real y personalizado.</li><li>Datos: Estructurados y en tiempo real (sensores IoT), descentralizados (blockchain), y espaciales (mapas 3D para el metaverso). Los datos son masivos y dinámicos.</li><li>Ejemplo: Un asistente IA que organiza tu día basándose en datos de tu smartwatch, o un concierto virtual en Decentraland donde compras merchandising con criptomonedas.</li><li>Limitaciones: Aún en desarrollo, con retos éticos (¿quién controla tanta IA?), de privacidad y de infraestructura (¡esto consume mucha energía!).</li></ul><p>La Web 4.0 es el comienzo de un internet que no solo entiende, sino que anticipa y crea experiencias inmersivas. ¿Qué vendrá después?</p><p>Quizá te estés haciendo la pregunta de ¿Por Qué Importa Esto?</p><p>Y es que cada etapa de la web ha cambiado cómo manejamos los datos:</p><ul><li>Web 1.0: Datos estáticos, solo para humanos.</li><li>Web 2.0: Datos dinámicos, pero desordenados y atrapados en silos.</li><li>Web 3.0: Datos estructurados y conectados, listos para máquinas y descentralización.</li><li>Web 4.0: Datos inteligentes, en tiempo real, que fusionan lo físico y lo digital.</li></ul><p>Entonces, para los amantes de los datos, esta evolución es una mina de oro. Hoy, podemos analizar desde tuits hasta datos de sensores IoT o transacciones en blockchain. Pero también plantea retos: ¿cómo garantizar la privacidad? ¿Cómo manejar tanto volumen?</p><p>Me gustaría saber tu opinión.</p><p>Saludos!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a7ccdcdbcdb0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Derivadas : Cómo este concepto matemático moldea el mundo actual]]></title>
            <link>https://medium.com/@MariviDataScientist/derivadas-c%C3%B3mo-este-concepto-matem%C3%A1tico-moldea-el-mundo-actual-ff18cba16fac?source=rss-0bd0c10453db------2</link>
            <guid isPermaLink="false">https://medium.com/p/ff18cba16fac</guid>
            <category><![CDATA[math]]></category>
            <category><![CDATA[tech]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[derivada]]></category>
            <category><![CDATA[education]]></category>
            <dc:creator><![CDATA[Mariví Data Scientist]]></dc:creator>
            <pubDate>Thu, 13 Mar 2025 14:20:43 GMT</pubDate>
            <atom:updated>2025-03-13T14:21:30.850Z</atom:updated>
            <content:encoded><![CDATA[<h3>Derivadas : Cómo este concepto matemático moldea el mundo actual</h3><p>Si alguna vez te aburriste en una clase de cálculo pensando “¿para qué sirven las derivadas?”, prepárate para sorprenderte. Esas pendientes y tasas de cambio que en algún momento has visto dibujado en un cuaderno están detrás de algunos de los avances más impresionantes de nuestro tiempo. Desde la inteligencia artificial que recomienda tu próxima serie hasta los cohetes que aterrizan solos, las derivadas son el motor silencioso que impulsa el mundo moderno.</p><p>No necesitas ser matemático para entender esto. En este artículo, exploraremos cómo las derivadas juegan un <strong>papel fundamental</strong> en campos tan diversos como la tecnología, la medicina, la economía y más. Al final, verás que ese concepto que parecía abstracto está más cerca de tu vida de lo que imaginas. ¿Listo para un viaje por el poder de las tasas de cambio?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/985/0*UCVqc4qYNLCgQ2Vv" /></figure><h3>¿Qué es una derivada, realmente?</h3><p>En su esencia, una derivada mide cómo cambia algo respecto a otra cosa. ¿Qué tan rápido sube una colina? ¿Cómo varía la temperatura con el tiempo? Es una idea simple con un impacto enorme. Formalmente, es la pendiente de una función en un punto dado, pero piénsalo como una herramienta para capturar el movimiento y la dinámica del mundo.</p><p>Ahora, veamos dónde las derivadas están dejando su huella en 2025.</p><h3>1. Inteligencia Artificial:</h3><p>Si usaste ChatGPT o un filtro de Instagram hoy, ya encontraste derivadas en acción. En el corazón de las redes neuronales está el <strong>backpropagation</strong>, un algoritmo que depende del cálculo diferencial para entrenar IA (pronto le dedicaremos un artículo).</p><p>¿Cómo? Las redes ajustan millones de “pesos” para minimizar errores, y las derivadas parciales les dicen cómo hacerlo. Imagina una IA aprendiendo a reconocer gatos: calcula qué tan mal predijo, usa derivadas para medir cuánto influye cada peso en ese error y los ajusta poco a poco. Este proceso, llamado gradiente descendente, es puro cálculo en acción. Sin derivadas, no habría IA moderna .</p><h3>2. Medicina:</h3><p>En un hospital, las derivadas están por todas partes. Tomemos la <strong>modelación de enfermedades</strong>. Los epidemiólogos usan ecuaciones diferenciales (que dependen de derivadas) para predecir cómo se propaga un virus, como el COVID-19. La tasa de infección, el pico de casos, el efecto de las vacunas — muchas cosas se calculan con derivadas para tomar decisiones que salvan vidas.</p><p>O mira la <strong>imagenología médica</strong>. Cuando una resonancia magnética reconstruye una imagen de tu cerebro, algoritmos basados en derivadas (como el análisis de Fourier) transforman señales crudas en algo que un doctor puede leer. Sin ellas, no tendríamos diagnósticos tan precisos.</p><h3>3. Ingeniería y espacio:</h3><p>¿Viste un cohete de SpaceX aterrizar de pie? Eso no es solo ingenio; es cálculo. Las derivadas controlan las trayectorias, ajustando la velocidad y ángulo en tiempo real para que el cohete no se estrelle. En dinámica de fluidos, las derivadas modelan cómo el aire fluye sobre las alas de un avión o cómo el combustible se quema en un motor, entre otras cosas.</p><p>En 2025, con misiones a Marte en el horizonte, las derivadas son clave para calcular órbitas y optimizar el consumo de energía. Cada vez que la humanidad toca las estrellas, las tasas de cambio están guiando el camino.</p><h3>4. Economía:</h3><p>¿Te has preguntado cómo los economistas predicen la inflación o los bancos ajustan las tasas de interés? Las derivadas son su brújula. En modelos económicos, calculan cómo cambia el precio de un bien con la oferta o cómo varía el crecimiento con la inversión.</p><p>En finanzas, las derivadas gobiernan el mundo de las <strong>opciones y derivados financieros</strong> (sí, el nombre no es casualidad). La ecuación de Black-Scholes, que valora estos instrumentos, usa derivadas para medir riesgos y ganancias en mercados volátiles. En un mundo donde el bitcoin sube y baja como montaña rusa, las derivadas ayudan a navegar el caos.</p><h3>5. Física y clima:</h3><p>La física moderna nació con las derivadas. Newton las usó para describir el movimiento, y hoy siguen siendo esenciales. En la <strong>meteorología</strong>, las derivadas modelan cómo cambia la presión atmosférica o la temperatura, prediciendo tormentas o huracanes con días de anticipo.</p><p>En el cambio climático, ecuaciones diferenciales calculan cómo el CO2 afecta el calentamiento global. Cuando ves un gráfico de “aumento de temperatura en los próximos 50 años”, detrás hay derivadas proyectando el futuro de nuestro planeta.</p><h3>6. Videojuegos y animación: Creando mundos virtuales</h3><p>¿Fan de los gráficos hiperrealistas en juegos como <em>Cyberpunk 2077</em>? Las derivadas hacen posible esa magia. En motores como Unreal, las derivadas calculan cómo la luz rebota en una superficie (renderizado en tiempo real) o cómo un personaje se mueve fluidamente (física de colisiones).</p><p>En animación, Pixar usa derivadas para suavizar curvas y dar vida a personajes como Woody o Nemo. Cada fotograma perfecto es un triunfo del cálculo.</p><h3>Una historia detrás: De Newton a hoy</h3><p>Las derivadas no son nuevas. Isaac Newton y Gottfried Leibniz las desarrollaron en el siglo XVII, peleándose por quién lo hizo primero. Pero su verdadero poder explotó con la era digital. Hoy, en 2025, las computadoras resuelven millones de derivadas por segundo, algo que Newton solo pudo soñar. Lo que empezó como una curiosidad matemática ahora sostiene nuestra civilización tecnológica.</p><h3>¿Por qué importa esto para ti?</h3><p>Las derivadas no son solo para genios con bata blanca. Están en tu teléfono, tu coche, tu banco. Nos ayudan a predecir, optimizar y entender un mundo en constante cambio. Y aquí hay una reflexión: si las derivadas miden cómo cambian las cosas, ¿qué tasas de cambio podrías calcular en tu propia vida? ¿Tu felicidad? ¿Tu progreso?</p><p>Si te intriga, prueba explorar un campo que te guste — ya sea programar IA o analizar datos climáticos — y verás las derivadas en acción. No son solo matemáticas; son una ventana al dinamismo del universo.</p><p>La próxima vez que uses una app, juegues un videojuego o veas un pronóstico del tiempo, recuerda: una idea de hace siglos está trabajando para ti, justo ahora.</p><p>¿Te gustó? Dame unos 👏 y/o comparte tus pensamientos abajo. Si quieres conocer algún ejemplo más concreto, hazmelo saber en los comentarios.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ff18cba16fac" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Introducción a las Series Temporales: Desentrañando el Pasado para Predecir el Futuro]]></title>
            <link>https://medium.com/@MariviDataScientist/introducci%C3%B3n-a-las-series-temporales-desentra%C3%B1ando-el-pasado-para-predecir-el-futuro-2ae695b1b63d?source=rss-0bd0c10453db------2</link>
            <guid isPermaLink="false">https://medium.com/p/2ae695b1b63d</guid>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[stats]]></category>
            <category><![CDATA[economics]]></category>
            <category><![CDATA[maths-tutor]]></category>
            <dc:creator><![CDATA[Mariví Data Scientist]]></dc:creator>
            <pubDate>Fri, 07 Mar 2025 12:02:40 GMT</pubDate>
            <atom:updated>2025-03-07T12:02:40.373Z</atom:updated>
            <content:encoded><![CDATA[<p>En el mundo de la ciencia de datos, las series temporales son una herramienta poderosa para analizar datos que cambian con el tiempo. Desde la predicción de ventas hasta el pronóstico del clima, las series temporales nos permiten entender patrones históricos y prever tendencias futuras. En este artículo, exploraremos los conceptos básicos de las series temporales, su aplicación y ámbitos en el análisis de datos.</p><h3>¿Qué son las Series Temporales?</h3><p>Una serie temporal es una secuencia de datos recogidos en intervalos de tiempo regulares. Estos datos pueden ser diarios, mensuales, anuales, o incluso a intervalos más cortos, como minutos o segundos. La característica clave de las series temporales es que el tiempo es una variable independiente y el objetivo es analizar cómo cambia la variable dependiente a lo largo del tiempo.</p><p>Es decir, las series temporales son variables (x) recogidas a lo largo del tiempo (y).</p><p><em>*A modo de recordatorio: La variable y es la independiente y la x la dependiente. Entonces, en series temporales, tendremos una variable x que “variará” en función del tiempo.</em></p><h3>Componentes de las Series Temporales</h3><p>Las series temporales suelen descomponerse en cuatro componentes principales:</p><ol><li><strong>Tendencia</strong>: Refleja la dirección general en la que se mueven los datos a lo largo del tiempo. Puede ser ascendente, descendente o estable.</li><li><strong>Estacionalidad</strong>: Son patrones que se repiten a intervalos regulares debido a factores estacionales, como las ventas al por menor que aumentan durante las vacaciones.</li><li><strong>Ciclos</strong>: Fluctuaciones que ocurren en períodos más largos, a menudo relacionadas con el ciclo económico.</li><li><strong>Ruido</strong>: Es la variación impredecible o aleatoria que no se explica por la tendencia, la estacionalidad ni los ciclos. Representa fluctuaciones erráticas o “error”. No siguen un patrón específico.</li></ol><p>Además de los componentes principales de tendencia, estacionalidad, ciclos y ruido, hay otros aspectos que pueden ser relevantes al analizar series temporales. Como son:</p><ul><li>Eventos anómalos.</li><li>Volatilidad</li><li>Autocorrelación.</li><li>Heterocedasticidad.</li><li>Intervención.</li><li>Efectos del calendario.</li><li>Etc.</li></ul><p><em>*Los defino al final del texto.</em></p><p>Considerando estos aspectos adicionales, se obtiene una comprensión más completa y precisa de las series temporales, lo que da lugar modelos más robustos y efectivos tanto en análisis como en predicciones.</p><h3>Modelos de Series Temporales</h3><p>Existen varios modelos para analizar y predecir series temporales. Algunos de los más comunes incluyen:</p><ul><li>Media Móvil (MA): Utiliza el promedio de un conjunto de datos pasados para suavizar las fluctuaciones y resaltar tendencias.</li><li>Suavizado Exponencial: Asigna más peso a los datos recientes para hacer predicciones más precisas.</li><li>ARIMA (Autoregressive Integrated Moving Average): Un modelo más complejo que combina autoregresión, diferenciación y media móvil para capturar diferentes aspectos de las series temporales.</li></ul><h3>Aplicaciones de las Series Temporales</h3><p>Las series temporales tienen aplicaciones en diversas industrias:</p><ul><li>Finanzas: Predicción de precios de acciones y análisis de riesgos.</li></ul><p>Por ejemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/984/1*zPQlhNELKrCstGJNtxeF-Q.png" /></figure><ul><li>Economía: Análisis de indicadores económicos y previsión de crecimiento.</li></ul><p>Por ejemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/466/1*do1rTRGuGHZG1_MJxZ-Hfg.png" /></figure><ul><li>Salud: Seguimiento de brotes de enfermedades y análisis de datos de pacientes.</li></ul><p>Por ejemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/888/1*T0UyM31E0J405hrXDS7CNQ.png" /></figure><ul><li>Meteorología: Pronóstico del tiempo y análisis de patrones climáticos.</li></ul><p>Por ejemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PJf1OVzVmf5gIi1OHFpxTA.png" /></figure><h3>Conclusión</h3><p>Las series temporales son una herramienta esencial en el arsenal de un científico de datos. Al comprender y aplicar estos conceptos, podemos transformar datos históricos en valiosas predicciones para el futuro. En futuros artículos, profundizaremos en técnicas avanzadas y casos de estudio para explorar aún más el potencial de las series temporales.</p><p>Definiciones:</p><ul><li><strong>Eventos Anómalos:</strong> Ocasionalmente, las series temporales pueden verse afectadas por eventos inusuales o anómalos, como desastres naturales, cambios regulatorios o eventos económicos significativos. Estos eventos pueden causar picos o caídas abruptas en los datos.</li><li><strong>Autocorrelación</strong> es un concepto estadístico que mide el grado de relación o dependencia entre los valores de una misma variable en diferentes puntos en el tiempo o espacio dentro de una serie de datos. En otras palabras, es la correlación de una serie consigo misma, pero desplazada en el tiempo (o en otra dimensión, como el espacio)</li><li><strong>Volatilidad: </strong>Variaciones en la amplitud de las fluctuaciones a lo largo del tiempo, especialmente relevante en series financieras. No es lo mismo que el ruido, ya que la volatilidad puede tener patrones</li><li><strong>Intervención externa:</strong> Influencias o variaciones en el comportamiento de la serie debidas debido a intervenciones externas: campañas de marketing, cambios en la política de precios…</li><li><strong>Efectos de Calendario:</strong> Influencias o variaciones en el comportamiento de la serie debidas a días festivos, fines de semana, cambios de horario...</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2ae695b1b63d" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>