Analisis del libro: "Piaget, Vigotski y Maturana: Constructivismo a Tres Voces"

 En el libro se analiza el sentido en el que las teorías de J. Piaget, L. S. Vigotski y H. Maturana pueden ser consideradas como constructivistas. La tesis defendida es que existen dos formas distintas de constructivismo, a saber el cognitivo (Piaget, Vigotski) y el radical (Maturana), que contrasta con la idea de un único constructivismo en psicología (Rosas & Sebastián, 2001).

⛔ La pregunta más común: “¿Qué prueba estadística uso?”

  😉 Respuesta rápida: depende de tu escala (nominal/ordinal/numérica) y de tu objetivo (describir, comparar o relacionar). Con esto ya evitas el error #1 en tesis: usar pruebas que no corresponden.

🤔 ¿Hacemos la Parte 3 con normalidad en SPSS?

🤖 Inteligencia Artificial y Machine Learning

 Qué son, cómo se relacionan y por qué importan

En un contexto donde la IA está transformando negocios, gobiernos y profesiones, entender sus conceptos básicos ya no es opcional: es una competencia clave.
Este documento explica de forma clara la relación entre Inteligencia Artificial (IA), Machine Learning (ML) y Deep Learning (DL).
🧠 1. ¿Qué es la Inteligencia Artificial?
La IA es el campo amplio cuyo objetivo es crear sistemas capaces de imitar habilidades humanas, como:
Razonar
Aprender
Tomar decisiones
Reconocer patrones
👉 No toda IA aprende automáticamente: algunas siguen reglas predefinidas.
📊 2. ¿Qué es Machine Learning?
El Machine Learning es un subcampo de la IA que permite a los sistemas aprender a partir de datos, sin ser programados explícitamente para cada decisión.
Tipos principales:
Aprendizaje supervisado: aprende con datos etiquetados (ej. crédito, fraude).
No supervisado: descubre patrones ocultos (ej. segmentación).
Aprendizaje por refuerzo: aprende por prueba y error (ej. robots, juegos).
🧬 3. ¿Y el Deep Learning?
El Deep Learning es una forma avanzada de ML basada en redes neuronales profundas, capaz de procesar:
Imágenes
Voz
Texto
Video
👉 Es la tecnología detrás del reconocimiento facial, asistentes de voz y modelos como GPT.
🔗 4. Cómo se relacionan
La relación es jerárquica:
IA → el concepto general
ML → aprende de datos
DL → aprende de grandes volúmenes de datos no estructurados
Cada nivel aumenta la capacidad, pero también el costo, la complejidad y los riesgos.
🚀 5. Impacto en el mundo real
Hoy estas tecnologías impulsan:
Automatización inteligente
Predicción y analítica avanzada
Personalización de servicios
Detección de fraude y riesgos
Asistentes y agentes inteligentes
Las organizaciones que entienden estas diferencias toman mejores decisiones tecnológicas y estratégicas.
📌 Mensaje final
La pregunta ya no es si usar IA, sino:
👉 qué tipo de IA usar, para qué problema y con qué nivel de control y gobernanza.
Entender IA y ML no es solo técnico:
es una ventaja competitiva para líderes, analistas y tomadores de decisión.

Un mapa simbólico de cómo me percibe por lo que sabe de mí

1️⃣ Subí una foto mía (la de arriba).

2️⃣ Le di un prompt con mi contexto.
3️⃣ Le pedí una caricatura con símbolos + significados + preguntas para sesión.

Lo interesante NO es el estilo. Es lo que activa.

En mi caricatura aparecen cosas que encajan demasiado bien con mi forma de trabajar:
- Traje + chaleco → rigor + profundidad (sin postureo)
- Gafas rojas → mirada crítica / no convencional
- Robot a un lado → IA como copiloto, no protagonista
- Astronauta + cohete → exploración / salto de nivel
- Bombilla → insight disponible
- Portapapeles con checks (“IDEAS”) → método aplicable
- Libros + café + dados/puzzle → oficio, constancia, incertidumbre y complejidad

📊 Volver a los fundamentos de la Ciencia de Datos

 En un mundo dominado por la IA generativa y los modelos cada vez más complejos, nunca está de más regresar a los principios que realmente sostienen la ciencia de datos.

El libro Data Science: Concepts and Practice de Vijay Kotu y Bala Deshpande es una excelente guía para entender la disciplina desde una perspectiva integral:
-Del problema de negocio a los datos
-De los datos a los modelos
-Y de los modelos a decisiones con impacto real
Más allá de herramientas o frameworks, refuerza algo clave:
👉 la ciencia de datos es tanto pensamiento crítico como técnica.
Una lectura recomendada para estudiantes, docentes y profesionales que buscan construir soluciones sólidas, explicables y sostenibles en el tiempo.

Canva AI lo tiene todo

 Verás que la actualización de Canva AI lo convierte en un todo-en-uno para trabajar: presentaciones, publicaciones, documentos, vídeos, imágenes y materiales como catálogos sin salir de la plataforma, programación, web... y solo hace falta un prompt.

How to write a book?