<?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 Fredi Vivas on Medium]]></title>
        <description><![CDATA[Stories by Fredi Vivas on Medium]]></description>
        <link>https://medium.com/@fredi.vivas?source=rss-6290b85bc3f8------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*jWYA1rNbeya2HOoUJVRDaQ.jpeg</url>
            <title>Stories by Fredi Vivas on Medium</title>
            <link>https://medium.com/@fredi.vivas?source=rss-6290b85bc3f8------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sun, 22 Nov 2026 10:58:07 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@fredi.vivas/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[¿Se puede predecir el futuro usando ciencia de datos?]]></title>
            <link>https://medium.com/@fredi.vivas/se-puede-predecir-el-futuro-usando-ciencia-de-datos-651cb79d0ab8?source=rss-6290b85bc3f8------2</link>
            <guid isPermaLink="false">https://medium.com/p/651cb79d0ab8</guid>
            <dc:creator><![CDATA[Fredi Vivas]]></dc:creator>
            <pubDate>Tue, 07 Sep 2021 01:55:11 GMT</pubDate>
            <atom:updated>2021-09-07T01:55:11.597Z</atom:updated>
            <content:encoded><![CDATA[<p><em>Reflexiones basadas en el texto de Joseph Voros, The Futures Cone, use and history.</em></p><p>Los futuristas a lo largo de la historia hablaron sobre tres clases principales de futuros: posible, probable y preferible (p. Ej., Amara 1974, 1981; Bell 1997 y otros).</p><p>Otras veces, se enfocaron en futuros más especializados, por así decirlo, en explorar lo posible; algunos sobre analizar lo probable ; y algunos sobre dar forma a lo preferible.</p><p>Es posible ampliar esta categorización para incluir al menos 7 (o incluso 8) tipos principales de futuros alternativos.</p><p>Una buena forma de representar estos futuros alternativos es como un diagrama de “cono”. El modelo del ‘cono de futuros’ es utilizado para representar futuros alternativos:</p><p>Los 8 tipos de futuros alternativos definidos son :</p><ol><li>Potencial: todo lo que está más allá del momento presente es un futuro potencial.</li><li>Absurdo: estos son los futuros que consideramos “ridículos”, “imposibles” o que “nunca” sucederán.</li><li>Posible : estos son aquellos futuros que pensamos que ‘podrían’ suceder, basados ​​en algún conocimiento futuro que aún no poseemos, pero que podríamos poseer algún día.</li><li>Plausible: aquellos que creemos que ‘podrían’ suceder en función de nuestra comprensión actual de cómo funciona el mundo (leyes físicas, procesos sociales, etc.).</li><li>Probables: aquellos que creemos que es probable que sucedan, generalmente basados ​​en (en muchos casos, cuantitativos) las tendencias actuales.</li><li>Preferible: aquellos que pensamos que ‘deberían’ o ‘deberían’ suceder: juicios de valor normativos en contraposición a los principalmente cognitivos.</li><li>Proyectado: este futuro único también podría considerarse como “el más probable” de los futuros probables.</li><li>Previsto: el futuro que alguien dice que sucederá.</li></ol><p>De todos esos tipos de futuros, me gusta y profesionalmente me dedico al 5, al futuro probable, donde la estadística, la matemática y los modelos predictivos buscan generar nuevo conocimiento para empresas y organizaciones de todo tipo. Una disciplina conocida mundialmente hoy como “ciencia de datos”.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*UWKU2uevr0ovtQER" /></figure><p>La ciencia de datos y los modelos predictivos de machine learning son unos de los ámbitos de desarrollo tecnológico más creciente en los últimos años. Porque las empresas necesitan utilizar sus datos para mejorar los servicios, impulsar la productividad o impulsar las ventas, es muy probable que veamos la ciencia de datos en todo lo que hagamos en el futuro.</p><p>En comparación con el clásico análisis de datos, muchas veces conocido como analytics, donde se usan los datos para ver cómo fue el rendimiento en el pasado, los científicos de datos usan los datos para predecir los resultados finales que podrían afectar a una organización.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/720/0*vZE_BTQ7m_X-oqS4" /></figure><p>La ciencia de datos es una disciplina que emplea los datos para extraer conocimiento e ideas. Es usar los datos para responder preguntas. Pero esas preguntas no son nuevas, sino que son las clásicas preguntas que se hacen siempre los distintos tipos de organizaciones. ¿Cuánto dinero ganamos el año pasado? ¿Cuánto ganaremos el próximo año? ¿Cuánto debería costar esta casa? o ¿Qué contenido le gustará a este usuario?, entre muchas otras.</p><p>Entonces cuando hablamos de para qué sirve la ciencia de datos (o data science en inglés), podríamos simplificar diciendo “permite responder preguntas usando datos”. Y esas preguntas nos llevan a pensar en los diferentes subcampos de la ciencia de datos, por ejemplo:</p><p>¿Cuánto dinero ganamos el año pasado? — data analytics, análisis descriptivo.</p><p>¿Cuánto dinero ganaremos el próximo año? — predicción de demanda con machine learning.</p><p>¿Cuánto debería costar esta casa? — predicción de precios con machine learning.</p><p>¿Qué canción le gustará a este usuario? — motor de recomendación con machine learning.</p><p>¿Qué significa este mensaje? — procesamiento de lenguaje natural con inteligencia artificial.</p><p>¿Hay un gato en esta imagen? — clasificación de imágenes con inteligencia artificial.</p><p>¿Cómo respondo a esta pregunta rápidamente para un millón de usuarios? — ingeniería de datos y big data.</p><p>Profundizando en un caso específico, por ejemplo en el mundo de la salud, la utilización de data puede potenciar a las organizaciones para ser más eficientes y tomar decisiones más inteligentes, para gestión del staff o equipamiento, mejorando la experiencia del paciente y del cuerpo médico. Por ejemplo:</p><p>Prediciendo la disponibilidad de camas de quirófanos, internación general y salas de emergencia.</p><p>Prediciendo turnos médicos a lo largo del año.</p><p>Prediciendo la cancelación de turnos.</p><p>Prediciendo la cantidad de pacientes ingresando con una determinada enfermedad.</p><p>La ciencia de datos ha impactado en casi todas las industrias, desde la atención médica, donde sus modelos pueden predecir los resultados del paciente y los efectos secundarios, hasta el tráfico, donde los algoritmos pueden ayudar a predecir cuándo serán las horas pico y cuándo es mejor viajar los fines de semana.</p><p>Por supuesto, ningún algoritmo o modelo es perfecto, pero es la tecnología que más nos acerca a predecir el futuro.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=651cb79d0ab8" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>