Ebooks

SEO puede parecer muy difícil, pero en este libro te ayudo a comprender qué es, cómo utilizarlo para promover tu sitio web y que tu sitio pueda ser descubierto por los motores de búsqueda. Lo cierto es que SEO te puede ayudar muchísimo a tener más visitantes a tu sitio web, lo que puede aumentar tus ventas y tus ingresos si lo aplicas correctamente. Puedo decirte que SEO aun cuando puede parecer difícil puede ayudarte mucho, y aunque existen muchos tutoriales en Internet y mucha información acerca de cómo utilizarlo o consejos para hacerlo, puede parecer un poco abrumador. Sin embargo, con un buen método para comprenderlo verás que después de todo no es tan difícil. En este libro te daré algunos consejos y algunas técnicas que podrás poner a la práctica inmediatamente para crecer tu negocio.

En este capítulo se explican diversos conceptos importantes de machine learning (aprendizaje automático). Estos conceptos nos ayudarán a comprender los siguientes apartados, donde se verán modelos de regresión y clasificación, así como las técnicas de clustering (agrupamiento) y de reducción de dimensiones. Mientras que los siguientes capítulos incluirán algunos formalismos matemáticos y desarrollos en Python, aquí se explicarán los conceptos de la manera más simple posible. En resumen, este capítulo pretende ofrecer un marco que facilite la comprensión de los principales conceptos asociados a machine learning. Machine learning es la ciencia que hace que los ordenadores ?aprendan? a partir de los datos. En vez de programar, paso a paso, cada solución específica para cada necesidad planteada, tal y como se realiza en el enfoque de la programación convencional, el área de machine learning está dedicada al desarrollo de algoritmos genéricos que pueden extraer patrones de diferentes tipos de datos. De esta manera, un programa de machine learning destinado, por ejemplo, a clasificar números escritos a mano, no va a diferir sustancialmente de un programa destinado a la clasificación de las imágenes de señales de tráfico: ambos se basarán en la existencia de algún tipo de algoritmo de machine learning que clasifique datos etiquetados. En este punto se podría pensar que el proceso completo de machine learning es fácilmente automatizable, cuando realmente no es el caso: un ingeniero de datos (data scientist) debe llevar a cabo numerosas tareas específicas tales como la identificación de la fuente de datos, su limpieza, la eliminación de información que esté fuertemente correlacionada, la búsqueda de información sesgada, la realización de las normalizaciones necesarias, la identificación de los tipos de soluciones de machine learning cuya aplicación resulte apropiada, la elección del algoritmo más adecuado, el ajuste fino de los hiperparámetros del método elegido, el análisis de los resultados, la identificación de comportamientos incorrectos, la vuelta a procesos anteriores con el fin de cambiar lo que resulte necesario para mejorar los resultados, etc.

Macros, eso de lo que mucha gente habla, pero pocos conocen en detalle. Seguro que alguna vez en el trabajo o comentando con amigos/as que conocen esta tecnología, has escuchado frases del estilo ?eso con una macro se solucionaría?, pero esa macro nunca llega en el trabajo y tu amigo/a nunca te enseña cómo se hacen. En ese caso, has elegido un buen comienzo. Este libro te va a enseñar los conceptos básicos para conocer el lenguaje VBA y poder programar tus propias macros en Excel. Una vez visto cómo podemos crear macros, y principios generales de programación, vamos a ir incrementando la dificultad para adentrarnos poco a poco en estructuras más complejas, como las estructuras de control o los bucles. Esto nos va a permitir automatizar y hacer más dinámicas nuestras creaciones. No solo me voy a quedar en enseñarte y explicarte principios básicos y su evolución a medida que vamos avanzando, sino que al final de cada capítulo, te ofrezco varios ejercicios sobre el tema tratado. Pero no te asustes, cada uno tiene su solución explicada y comentada para que no te surjan dudas, y si surgen poder resolverlas. Sin más, te doy la bienvenida a este aprendizaje en el cual espero que lo aproveches al máximo

Hay mucha gente por internet que me ha comentado que mi escuela era una estafa, que www.testerschool.com era un engaño, ?no se puede trabajar probando videojuegos, las fases de beta testing son gratuitas?, ?ese curso es un engaño, te piden dinero para nada? Bueno, trolls hay en todos los sitios, la diferencia entre un troll y una persona de éxito es la apertura de mente y la capacidad de soñar. Me hace mucha gracia que estas cuestiones se planteen en pleno siglo XXI pues cuando yo empecé a soñar con ser probador de videojuegos debía de correr el año 1993 y ya entonces sabía con certeza que los videojuegos se podían probar y se podía ganar dinero con ello. La respuesta a la pregunta ¿Se puede trabajar probando videojuegos? Es claramente SI, SI SE PUEDE Y SE GANA BUEN DINERO. Las fases de beta testing gratuitas que hacen algunas empresas son muy útiles y ni si quiera deberían de llamarse beta testing, pues como verás más adelante en el libro ese tipo de testing, el testing que se hace con usuarios reales para comprobar ciertos parámetros del juego y ajustarlos posteriormente se llama Play Testing. El mundo del testing del videojuego va muchísimo más allá que el de ese mero ?beta testing? que ofrecen algunas empresas, existe testing funcional, de localización y de compliance, este último es muy amplio, y aún existen muchos más tipos de testing que iréis viendo en estas páginas.

Es habitual citar el hecho de que aproximadamente un 70% de la información que manejamos en cualquier tipo de disciplina está georreferenciada (Olaya, 2014). Es decir, que se trata de información a la cual puede asignarse una posición geográfica, y es, por tanto, información que viene acompañada de otra información adicional relativa a su localización. Es por ello por lo que también en los últimos años, hemos asistido a una revolución cartográfica, entendida ésta no sólo en un cambio tecnológico en las formas y modos de generar y producir la cartografía, sino en el uso generalizado que de ella se hace hoy por los ciudadanos. La elaboración misma de cartografías ha pasado de ser un terreno exclusivo de profesionales del sector a estar incluso abierta a una labor colaborativa tanto de uso como de generación. Pero los cambios no han sido sólo en las dos dimensiones básicas de la representación cartográfica. La tercera dimensión espacial también ha vivido un período de crecimiento que nos permite hoy beneficiarnos de los últimos avances en CAD, BIM, SIG y estándares del Open Geoespatial Consortium (OGC) (Álvarez et al, 2018). En los modelos tridimensionales podemos hablar de dos grupos que dependen de la naturaleza de los datos de partida. Por un lado, tenemos aquellos que parten de la reutilización de datos espaciales y atributos como son los casos de CityEngine, 3D Studio o SkechUp, modelos tridimensionales provenientes de BIM. Por otro lado, existe otro grupo que parte del uso de datos obtenidos exnovo a partir de archivos LIDAR apoyándose o no en bases de cartografía catastral.