Fundamentos para Inteligencia Artificial · Semana 4
9 de febrero de 2026 ≈ · NRC-197 ·
3 entregables
De qué iba
Volví al dataset de diabetes, pero esta vez para recorrer el ecosistema completo: NumPy y SciPy para los números, Matplotlib y Seaborn para los gráficos. Me di el gusto de meter Polars también, aunque con 442 registros la ventaja de velocidad no se siente en la práctica. Terminé con nueve visualizaciones distintas y un cuestionario de puntos extra donde justifiqué cada respuesta con la página exacta del libro.
Cargué los mismos datos en Pandas y en Polars y cronometré 1000 groupby: 0.86 segundos contra 0.16, es decir Polars 5.3 veces más rápido
Calculé las correlaciones con la progresión de la diabetes: BMI 0.5865, S5 0.5659 y AGE 0.1879
Corrí el test de normalidad de D'Agostino-Pearson sobre BMI (p = 0.000007) y sobre Y: en ambas se rechaza la normalidad
Hice histograma con media y mediana marcadas, dispersión con recta por polyfit, panel 2x2, mapa de calor de correlaciones, seis boxplots, KDE, violín, regplot y pairplot
Lo que costó. El ddof=1 de la desviación estándar me frenó en seco. Tuve que salirme del ejercicio a leer por aparte qué era la corrección de Bessel y por qué cambia el resultado cuando uno trabaja con una muestra; eso los tutoriales no lo explican.
Qué pedían
El enunciado y la rúbrica, tal cual los publicaron.