Blog técnico
Lo que voy probando y aprendiendo.
Aquí cuento cómo desarrollo mis proyectos con datos, lo que encuentro en los experimentos y las dudas que quedan. Los artículos incluyen código y fuentes cuando están disponibles.
Más recientes primero.
33 artículos
¿Dónde necesita Maricá atención primero? (1/3): la pregunta y los datos
Primera parte de la serie sobre el Índice de Condiciones Socioterritoriales (ICST) de Maricá (RJ). Por qué el promedio municipal no ayuda a decidir dónde invertir, cómo convertir diez variables oficiales en un índice de 0 a 100 por sector censal y qué hacer cuando el dato no existe en la forma que querías.
¿Dónde necesita Maricá atención primero? (2/3): el mapa que el promedio esconde
Segunda parte de la serie sobre el ICST de Maricá (RJ). El índice varía de 30,9 a 96,1 entre los sectores censales, el saneamiento es la dimensión más débil y las desventajas forman manchas contiguas. Mapas, barrios y distritos, con un ejemplo de cálculo paso a paso.
¿Dónde necesita Maricá atención primero? (3/3): prioridades que resisten la prueba
Última parte de la serie sobre el ICST de Maricá (RJ). 78 sectores prioritarios robustos, con 27.683 residentes (14% de la población), concentrados en Itaipuaçu, Chácaras de Inoã y las franjas del 2.º distrito. Cómo probé la estabilidad de esa lista, por qué el Censo muestra 35% de agua por red y el SINISA 78%, y qué no dice el índice.
RAG 1: una colección que se puede auditar
Cómo reuní guías y estudios con Scrapling y guardé las versiones para poder revisar de dónde salió cada decisión.
RAG 2: documentos con identidad, estructura y procedencia
Qué conservar de un documento oficial o empresarial antes de dividirlo en fragmentos y producir embeddings.
RAG 3: contexto útil, búsqueda híbrida y reranking
Qué tomaría de Contextual Retrieval para combinar búsquedas y reordenar resultados, y qué revisaría antes de usarlo en producción.
RAG 4: cuándo probar técnicas más complejas
Cuándo probaría late chunking, recuperación visual, jerarquías o agentes a partir de los errores que aparecen en la búsqueda.
RAG 5: evaluar mejoras sin fabricar evidencia
Cómo compararía dos sistemas con preguntas reales y evidencias revisadas, sin contar fragmentos relacionados como pruebas independientes.
RAG 6: de la evaluación a una operación reproducible
Qué prepararía para mantener el sistema cuando cambien documentos, permisos o modelos, y cuándo consideraría entrenarlo de nuevo.
RAG regulatorio: del chunk al dispositivo con identidad y vigencia
Parte 2 del caso ANEEL–TAESA: examino los errores de recuperación y qué información necesita un fragmento para distinguir normas y versiones.
33.503 fragmentos no son 33.503 pruebas: resultados del caso ANEEL–TAESA
Parte 1 del caso ANEEL–TAESA: al tratar fragmentos como pruebas independientes, un intervalo nominal del 95% cubrió el valor real en solo el 29,5% de las repeticiones. Aquí explico el experimento.
Qué remuestrear: la unidad del bootstrap en evaluaciones por fragmentos
Incertidumbre en RAG, parte 2: comparo seis formas de remuestrear los datos de ANEEL y TAESA y explico cómo elegir la unidad del bootstrap.
Calcular la incertidumbre sin réplicas artificiales: un procedimiento por documento
Incertidumbre en RAG, parte 3: muestro el cálculo por documento, con fórmulas y código, y cómo lo uso para comparar sistemas y planificar la muestra.
Por qué 10.000 fragmentos de 20 documentos no son 10.000 casos
Incertidumbre en RAG, parte 1: por qué contar fragmentos no basta para saber cuánta información aporta una muestra de documentos.
Por qué cambia el resultado: capacidad, datos y límites de una GNN
Vuelvo a los experimentos para entender por qué un método funciona en unos casos y pierde ventaja en otros, mirando demanda, capacidad y límites LP.
Optimización sin bala de plata: lo que aprendí al poner una GNN a prueba en AWS
Lo que aprendí al comparar métodos en la AWS: cuándo reducir la búsqueda ayudó y cuándo añadir aprendizaje no mejoró el resultado.
Localización capacitada y aprendizaje automático: modelos, experimentos y resultados
Probé dónde el aprendizaje automático ayuda a elegir centros de distribución. Comparto los resultados, las comparaciones con métodos clásicos y lo que todavía no puedo concluir.
Escenarios y SAA: decidir antes de conocer la demanda
Cómo comparo una red logística bajo distintas demandas y separo la incertidumbre del escenario de los límites del cálculo.
Scoring de candidatos: aprender a filtrar sin perder buenas decisiones
Cómo uso regresión logística y boosting para reducir candidatos, y cómo compruebo lo que cuesta dejar un centro fuera.
K-means: descubrir perfiles municipales sin inventar categorías naturales
Cómo agrupo municipios por sus características y reviso si esos grupos ayudan a entender el territorio.
Previsión poblacional: tendencias, amortiguación y prueba temporal
Cómo uso proyecciones de población en los escenarios, sin tratar una revisión censal como crecimiento ni habitantes como pedidos garantizados.
Predecir demanda: de una referencia poblacional a Poisson y boosting
Cómo preparo y evalúo una previsión de pedidos, teniendo presente que los datos de un marketplace no representan todo el mercado.
LNS: reorganizar parte de la red para escapar del óptimo local
Cómo libero una parte de la red y la reorganizo con MILP para buscar una solución mejor, sin rehacer todo desde cero.
Voraz y búsqueda local: construir rápido y mejorar con criterio
Cómo construyo una primera solución con una regla voraz y qué puedo mejorar después con búsqueda local.
Relajación lineal: cuánto puede mejorar una solución
Qué me dice la relajación lineal sobre el coste de la red y cómo leo sus límites sin confundir fracciones con instalaciones que se puedan abrir.
MILP: convertir una decisión logística en un modelo verificable
Un ejemplo de tres centros para entender las variables, los costes y las restricciones, y comprobar cuál es la mejor solución.
De los pedidos a la red logística: un proyecto de optimización y aprendizaje automático
Cómo construí el proyecto de localización de centros de distribución, qué hace cada algoritmo y qué encontré en los experimentos.
ETL con Python y geoinformación: pipelines de producción
Por qué un pipeline bien diseñado necesita arquitectura en capas, validación explícita y trazabilidad completa desde el origen hasta PostGIS.
Clasificación automática de imágenes con GeoAI en QGIS
Paso a paso para clasificar imágenes satelitales con el plugin OpenGeoAI en QGIS: instalación, preparación, entrenamiento e interpretación de resultados.
Kubernetes: orquestación de contenedores paso a paso
Arquitectura del clúster, componentes clave, instalación con Minikube, primer deployment, exposición de servicios y escalado desde cero.
Microservicios: arquitectura escalable y la importancia de modelar bien
Por qué el modelo de datos es la decisión más importante en microservicios, cómo definir bounded contexts y cuándo no dividir es la opción correcta.
Python para análisis de datos: del CSV al insight
El flujo completo con pandas y matplotlib: carga, exploración, limpieza, transformación, análisis estadístico y visualización desde ejemplos reales.
Segmentación de datos espaciales: conceptos y aplicación
Qué es la segmentación, cómo difiere de la clasificación, algoritmos clave y su aplicación en QGIS con Orfeo Toolbox y PostGIS con Python.