SciTeX forma equipos y resuelve problemas analíticos reales: estadística aplicada, machine learning y business analytics al servicio de decisiones de negocio. Pensado y escrito en Latinoamérica, para quienes saben que un modelo no reemplaza una buena pregunta.
Ensayos largos, revisados internamente. Sin clickbait, sin "5 tips", sin recetas vacías. Solo lo que tendría sentido leer dos veces.
Corrí una comparativa de 7 modelos de clasificación binaria con Optuna. Cuando vi la tabla completa entendí algo: los números no te dan la respuesta. Te dan las preguntas.
Leer ensayo →Análisis honesto de las tres certificaciones oficiales del Python Institute: estructura de cada examen, guía de preparación práctica y si realmente vale la inversión en el mercado laboral de América Latina.
Leer ensayo →Una ruta de aprendizaje estructurada, honesta y progresiva para quienes comienzan sin experiencia técnica previa. Sin atajos. Con método.
Leer ensayo →Antes de modelar, miramos la pregunta. Antes de optimizar, miramos los datos. SciTeX enseña ese orden, en cada lectura, cada cuaderno y cada cohorte.
# 1. Empezamos por la pregunta, no por el modelo pregunta = "¿el cambio explica la diferencia?" # 2. Antes del fit, miramos los datos df.describe().plot(kind="box") # 3. Modelar es la parte mecánica modelo = sm.OLS(y, X).fit() # 4. Interpretar es lo que cobra el analista modelo.summary()
Números calculados a partir del contenido y los eventos publicados.
Cinco principios que ordenan todas las decisiones de SciTeX, desde qué publicamos hasta a quién contratamos.
Democratizar el pensamiento analítico en Latinoamérica, con materiales de formación rigurosos, contextualizados y honestos.
Ser la referencia formativa en estadística aplicada, machine learning y business analytics para el habla hispana.
Promesa públicaAprendes a pensar con datos, no solo a usar herramientas.Explicar bien es la prueba de haber entendido. Profundidad técnica con lenguaje claro.
Enseñamos a decidir, no a copiar pasos. La herramienta cambia, el criterio queda.
Datos, casos y referencias de la región. Sin traducir la realidad de otro mercado.
Decir lo que no sabemos, mostrar lo que falló y reconocer el supuesto detrás del número.
Preferimos un ensayo bien curado a diez publicaciones rápidas. El compounding también aplica al aprendizaje.
Más que un personaje: un ancla pedagógica. Datron aparece cuando un tema necesita pausarse, contextualizarse o discutirse con honestidad.
Datron · guía editorial de SciTeXDatron acompaña al lector en los pasajes complejos: cuando un supuesto se rompe, cuando un resultado contradice la intuición o cuando hay que decidir entre dos métodos imperfectos.
Tiene poses, cada una con un rol pedagógico distinto. Selecciona una para verla en grande. Lo encuentras en el blog, en los cuadernos y en los programas de Academy.
Todas en construcción. Si tu equipo o tu organización quiere ser parte del primer cohorte, conversemos antes del lanzamiento.
Espacio guiado para auditar tu modelo de datos, descubrir cuellos de botella y priorizar dónde sí mover la aguja del negocio.
Programas largos, escritos como una carrera: estadística aplicada, ML con criterio y comunicación analítica. Cohortes pequeñas, mentoría real.
Acompañamiento para equipos de datos que quieren pasar de reportar a decidir. Pensamiento estructurado, no slides bonitas.