Ciencia de Datos

Modelar al individuo en modelos de Medidas Repetidas con ASCA+

/ / Bioestadística, Ciencia de Datos, Diseño de experimentos / ,

Cuando se analizan diseños con medidas repetidas —como la evolución de un paciente o los registros de una máquina—, un error en el modelado del individuo puede llevar a conclusiones engañosas, como falsos positivos. Para evitarlo, ASCA+ permite modelar correctamente la variabilidad individual y garantizar que los resultados sean robustos, fiables y reproducibles, incluso con datos complejos y desbalanceados.

Modelar al individuo en modelos de Medidas Repetidas con ASCA+ Leer entrada »

Interpretabilidad que impulsa la industria

/ / Ciencia de Datos, Industria 4.0 / , , ,

En un mundo industrial cada vez más digitalizado, la interpretabilidad de los datos es clave. En Datharsis, transformamos datos complejos en decisiones claras y confiables, potenciando las capacidades de los expertos industriales. Descubre cómo nuestros modelos 100% interpretables te ayudan a predecir la calidad, monitorear procesos y cumplir con las normativas, como la Ley de IA de la UE.

Interpretabilidad que impulsa la industria Leer entrada »

Sparse PCA y biomarcadores: entender más, suponer menos

/ / Bioestadística, Ciencia de Datos / , ,

¿Qué variables deberías interpretar realmente en un modelo estadístico? En este artículo explicamos cómo Sparse PCA (SPCA), y una nueva versión corregida, pueden ayudarte a identificar variables clave —como biomarcadores— sin perder interpretabilidad. Un enfoque práctico desde la bioestadística para proyectos con muchos datos y pocas certezas.

Sparse PCA y biomarcadores: entender más, suponer menos Leer entrada »

Scroll al inicio