#17 La carnaza diaria para que el personal fantasee con practicar vandalismo.
Yo voto cansina

#37 yo Le puse un Interruptor al mio para que no sonará

#2 La Razón no les falta.

#1 Boh, eso es de fuking pobre, una persona emprendedora, que se levanta de madrugada a entrenar sin llorar por una paguita de fucking mileurista panzudo va a por todas, y no se conforma con menos que un loft diáfano en un carrito del ikea

#80 sigues sin entenderlo, no se habla de entender como lo hace, eso no es muy difícil, se habla de entender Que hace, si tienes un modelo deep learning por ejemplo que identifica perros o gatos, no hay una variable debajo del capo que ponga "si morro largo es un perro" como si ocurre en un árbol de decisión de machine learning.
A eso se le llama explainability.
Aquí tienes tienes una lectura ligera para que lo entiendas bien, habla de técnicas avanzadas para conseguir una "aproximación" a una explicación de una decisión en deep learning
https://neptune.ai/blog/explainability-auditability-ml-definitions-techniques-tools

#31 No van por ahí los tiros.

Cuando trabajas con datos, cada variable se puede ver como una dimensión en un espacio de n-dimensiones. Por ejemplo, si tienes tres variables numéricas y una cuarta que funciona a modo de etiqueta, cada fila representa un punto en un espacio tridimensional definida por la coordenada que conforman esas tres variables. Los algoritmos tradicionales lo que hacen es segmentar el espacio para que todos los puntos contenidos en ese subespacio (si son tres variables podríamos verlo por simplicidad como si esas regiones fueran esferas) tengan la misma etiqueta y la forma de conseguirlo es muy fácil de visualizar para la mente humana.

Por ejemplo, en el caso de KNN tenías que si K puntos cercanos entre sí tienen una etiqueta, cualquier otro suficiente cercano a ellos tiene todas las papeletas para tener la misma etiqueta. O en el caso de árboles de decisión podías ver con expresiones matemáticas sencillas cómo se segmentaba el espacio, pudiendo decir que todos los datos comprendidos entre tales y tales valores para unas ciertas dimensiones tenían que tener una etiqueta. Y lo cierto es que esas reglas se pueden obtener del propio algoritmo y son fáciles de interpretar. Incluso hasta las SVM, que puede ser un algoritmo bastante abstracto, se pueden interpretar con la ayuda de la transformación del espacio que realizan.

Pero con las redes neuronales no es así. Si partimos de la red neuronal más sencilla donde tienes varias capas de neuronas todas ellas conectadas entre sí por capas, tienes un conjunto de elementos (las neuronas de una capa) que interaccionan todos ellos con todos los elementos de otro conjunto (las neuronas de otra capa) y en principio es imposible determinar qué neurona ha tenido más peso a la hora de tomar la decisión y por qué. El motivo es que en esa decisión, el peso que ha tenido una neurona viene influido por el peso que han tenido las de la capa anterior, así que a nivel neurona es imposible determinar quién ha tenido más peso en tomar la decisión y cuál es la expresión matemática que justifica esa decisión.

Ahora bien, sí que se puede ver a nivel de capa cómo están trabajando todas las neuronas. Por ejemplo, cuando clasificas imagen puedes ver cómo cada una de ellas lo que hace es extraer características como pueden ser tamaños, bordes, contrastes... Es decir, puedes tener una cierta idea cómo está operando pero no puedes saber por qué el perro lo ha clasificado como gato, cosa que con árboles de decisión puedes ver que a esa persona no le concede el crédito el algoritmo porque su saldo en cuenta y sus ingresos son muy bajos y durante el entrenamiento se ha visto que una inmensa mayoría de las personas que tienen esas dos características terminan siendo morosos.

#31 se le dice caja negra por que básicamente son cajas negras al nivel de comprensión humano , todo de deep learning para arriba se basan en multiplicaciones tensoriales así que para un ser humano es imposible de comprender el por si de por que una ia ha dicho si o no.
Por otro lado machine learning clásico, cosas como random forests Y demas Si tienen "explainability" por que abriendo el árbol de decisión interno puedes decir, dijo si por que esta variable es mayor que X

#49 básicamente son cajas negras, todo de deep learning para arriba se basan en multiplicaciones tensoriales así que para un ser humano es imposible de comprender el por si de por que una ia ha dicho si o no.
Por otro lado machine learning clásico, cosas como random forests Y demas Si tienen "explainability" por que abriendo el árbol de decisión interno puedes decir, dijo si por que esta variable es mayor que X

#69 las habitaciones super estrechas no depende si es piso o casa, depende de año de construcción, con el paso del tiempo la optimizacion de espacio ha mejorado muchísimo, en ambos, yo viví en un piso de 40m2 que originalmente se perdía un 15% por poner un estúpido pasillo y hubo que reformar para aprovechar más el espacio

#6 que yo sepa, si no hay mucha sangre, simplemente te desmonetizan el video.
Pero bueno.... Que no aparece ni un toro

#7 eso no es como matar a todos los vascos por que integrantes vascos de la eta asesinaron gente?

#97 pero es que lo llevan al extremo, yo he visto a un señor señalando un totalmente obvio carril/acera por que la acera principal estaba en obras, miento, dos señores, uno a cada entrada, lo que habrías solucionado con un simple cartel (o sin cartel, sinceramente)

#60 es que es ambas, te copio un extracto de texto interesante :
¿Qué representan los códigos de conducta Honne y Tatemae?
Si nos ceñimos a lo literal, Honne significa “sonido verdadero” y Tatemae, “fachada”.

Cuando nos referimos al Honne, lo hacemos a expresar exactamente lo que sentimos y pensamos, sin tener en cuenta lo que pueda pensar el interlocutor ni compromisos sociales. El Tatemae, sin embargo, tiene en cuenta la conducta que la otra persona espera de nosotros, las jerarquías sociales y la idea de encajar en un grupo social.

#41 no mires arriba

#36 Asturias está teniendo unos años de muy poco frío, pase algún invierno estos años a 22 grados en Oviedo por la noche

#420 a que zonas? Por que desde vallecas al centro de Madrid son 30 min

#237 no se, yo tengo compañeros que pagan 800 por un piso en getafe de dos habitaciones 50m2
Otro que está en en vallecas por 900 (con garaje)

#102 leganes, getafe etc etc etc sinceramente tiene otros lugares donde vivir

#86 los cajeros, los que te atienden en el banco etc etc trabajan de cara al público y no andan pidiendo propinas

#81 por supuesto que cada uno mantenga su bandera, ya basta de fraude fiscal, de transaldar un gasto a negro al cliente, etc etc.
A mi nadie me da ninguna propina y ni mucho menos dinero negro para que no lo vea hacienda.
Si el bar de Paco tiene que esclavizar trabajadores para sobrevivir es que el bar de Paco sobra.
En España sinceramente sobran trabajadores hosteleros y hosteleros en sí, así nos va que somos un lugar de vacaciones más que tener un gran sector de fabricación e investigación.
Es mi opinion y como los culos cada uno tiene la Suya

#34 exacto es donde se debe pagar y si el restaurante no le va gente por que sus precios son altos para lo que ofrece el restaurante debería cerrar

#58 pues que igual sin la propina tu no estarías trabajando para se empresario y el empresario al no ofrecer suficiente dinero nadie trabajaría para el.

Me sorprende que digas que no beneficia Al empresario que el propio cliente le pague al extra voluntariamente a sus trabajadores..

#48 cuando como el el bar de Paco también he cerrado un presupuesto previo, esta en la carta cuando pides

#140 tu lo de leer... Más bien poco... Arriba puse, "eso sí no se como se puede demostrar una segunda vivienda como tal"