Sesión inicial. Invitado Especial - D.S. Salvado García

Como científicos de datos, pasamos años aprendiendo todas las variedades de modelos y creando nuestro camino único a través de la fauna salvaje de modelos. Después de varios años, nos sentimos cómodos con la mayoría de las especies que viven en nuestro pequeño pedazo de tierra, en un corral tenemos a la estadística frecuentista, por otro lado, a los modelos bayesianos (viviendo lejos de los frecuentistas). Por otro lado, tenemos modelos de aprendizaje automático, con deep learning, reinforcement learning y muchos otros modelos que viven juntos. Por supuesto, las máquinas Boltzmann enjauladas en un rincón oscuro.
Todo se ve bien, hasta que un día reconocemos que, para sobrevivir, necesitamos cruzar un enorme bosque desconocido para aportar valor a las empresas y corporaciones. Para entrar en producción estos modelos que aprendimos en el pasado, debemos desarrollar habilidades con una enorme cantidad de tecnologías y frameworks que se presentan cada año. ¿Deberíamos utilizar Python / R / Scala?, o ¿Deberíamos usar un lenguaje de más bajo nivel u otro para componentes específicos?
En esta charla exploraremos algunas limitaciones y ventajas de R como sistema de producción. Se realizarán algunos ejemplos rápidos con los paquetes de plumber, packrat and devtools.