Certificado de Blockchain
El contenido de esta página esta estampado en tres blockchains diferentes. Una blockchain es una base de datos permanente, distribuida, y sin autoridad central. Esto permite estampar contenido sin nunca desvelar este. Un estampe certifica la existencia de cierto contenido en un instante dado, lo que permite a su autor demostrar que fue él o ella quien primero reclamó la autoría. Más información sobre estampes aquí abajo.

Si quieres saber más sobre blockchain, descarga nuestra publicación de investigación Blockchain: construyendo confianza. Si quieres estampar el contenido de tu propia web, prueba nuestro plugin de WordPress. Si quieres que pensemos juntos como blockchain puede ayudar a tu negocio, envianos un correo :-)
Resumen de estampado:
Título estampado: Cómo evitar crear un monstruo de machine learning
Tipo estampado:
Título y contenido
URL de contexto: https://www.goodrebels.com/es/como-evitar-crear-un-monstruo-de-machine-learning/
Contenido descodificado:
TítuloCómo evitar crear un monstruo de machine learning
ContenidoÚltimamente es fácil encontrar miles de programas, servicios, anuncios o lo que sea vendiendo, o prometiendo vender, Inteligencia Artificial aplicado a lo que sea. Obviamente las palabras de moda atraen, impresionan, venden, pero realmente ¿qué estamos comprando? Bueno, antes que nada, empecemos con el tweet más atinado que ha salido en los últimos meses sobre el tema.

Difference between machine learning and AI:
If it is written in Python, it's probably machine learning

If it is written in PowerPoint, it's probably AI

— Mat Velloso (@matvelloso) November 23, 2018

(“Diferencia entre Machine Learning e Inteligencia Artificial: Si está escrito en Python, probablemente sea Machine Learning. Si está escrito en PowerPoint, probablemente sea Inteligencia Artificial.”) Mat Velloso (Asesor técnico de Satya Nadella, CEO de Microsoft)
Esto nos habla sobre la precaución que debemos tener cuando alguien nos viene a vender Inteligencia Artificial. Entonces demos dos pasos atrás y hablemos de Machine Learning, ya que por el momento esto es mucho más “real”.
¿Qué es Machine Learning?
La forma más simple de definirlo es; el conjunto de algoritmos que las máquinas usan para mejorar su desempeño. Básicamente es “la habilidad de una computadora de aprender sin ser explícitamente programada”.

Por supuesto que no voy a negar los beneficios de Machine Learning, yo lo amo y todos los días lo intento aprender, pero es importante saber que hay ciertas limitaciones.

Sigamos con otro tweet:

This is a cautionary allegory about machine learning. https://t.co/8jNhSRg5YW
— Kyle Byers (@Kyle_Byers) September 15, 2018


Ya no voy a estar traduciendo tweets, es 2018.

Sin entrar mucho en detalle, y a manera muy simplificada, el tweet deja muy claro qué puede pasar cuando alimentamos nuestro algoritmo con los datos equivocados, ya sea sin querer o con toda la intención. Y es aquí donde empieza todo el problema, ya que en Machine Learning la computadora depende de la calidad de los data sets que usa para aprender y, sobre todo, depende del humano que hace la programación.

¿Cómo sabemos cuáles son los datos equivocados o si están incompletos? o peor aún, ¿qué tal si los datos nos alejan del objetivo al que queremos llegar? Y al final, no sólo son los datos, sino qué peso le damos a cada uno de esos datos.

"La verdadera cuestión de seguridad, si quiere llamarse así, es que si les damos a estos sistemas datos sesgados, estarán sesgados".

-John Giannandrea

Actualmente hay muchos casos donde estos sesgos han causado problemas: El analizador de sentimiento de Google pensando que ser gay es malo (aquí el problema son los datos con los que se alimenta). Las aerolíneas separando familias para que tengan que pagar más para poder sentarse juntos (aquí es cuando tu empresa se enfoca más en las ganancias que en los clientes). Los algoritmos que intentan predecir futuros crímenes (aquí creo que todo está mal).

Ahora veamos algunas limitaciones o problemas un poco más enfocado en nuestro lado del negocio:
Retención vs adquisición.
Hemos encontrado una gran variedad de servicios que se dedican a optimizar campañas digitales utilizando Machine Learning basado en los resultados de estas mismas. Adicionalmente van creado audiencias usando los subsegmentos que van teniendo el mejor desempeño. Esto mejora prácticamente todos los KPIs que tenemos a disposición; tasa de rebote, tiempo de sesión, páginas por sesión, tasa de conversión y costo por conversión. Toda una maravilla. Sin embargo, hay un problema; esto en su gran mayoría optimiza a retención. Estos subsegmentos que funcionan mejor en las campañas son, por lo general, clientes que ya nos han comprado anteriormente y que muchas veces íbamos a tener esa venta independientemente del anuncio.

Utilizar este método nos hace increíblemente efectivos, pero no eficientes. Y al final, esto no es culpa del servicio contratado, ellos están haciendo el trabajo que se les encargo con los datos a los que tienen acceso. Esto es un problema de silos de información donde alguien encargado de optimizar no tiene acceso al panorama completo.

Imaginemos ahora ese mismo algoritmo con un objetivo mucho más completo, no sólo optimizar las campañas con base en conversiones, sino optimizar campañas con base en conversiones manteniendo siempre un balance entre retención y adquisición.
Pareto; Costo, calidad y tiempo.
Uno de los casos más sonados sobre discriminación racial en un algoritmo es la herramienta COMPAS. Esta herramienta intenta predecir qué tan probable es que una persona que ha cometido un crimen vuelva a cometer otro en el futuro. Independientemente del debate sobre si la herramienta es efectiva, eficiente y/o racista o no, es el tema de cuántas características utiliza para hacer su predicción. COMPAS es una herramienta compleja que usa 137 características para predecir si alguien va a reincidir. Lo curioso es que utilizando una regresión logística y sólo 7 características se obtuvo la misma precisión en la predicción. Y, curiosamente, utilizando sólo 2 características se podían aproximar mucho al resultado.

Recordando la frase de “todos los modelos están mal, la pregunta práctica es ¿qué tan mal tienen que estar para no ser útiles?” nos podemos dar cuenta que utilizar una herramienta o un servicio parecido a COMPAS puede llegar a ser un desperdicio de tiempo y dinero. Muchas veces con 20% del esfuerzo puedes llegar al 80% o inclusive 99% de los resultados.

Se puede debatir que hay una discusión moral sobre el utilizar 137 o 1,000 características para mejorar COMPAS (aunque eleve exponencialmente el costo) si eso ayuda a que por lo menos una persona más no sea acusada equivocadamente, pero eso es otro tema.
¿Entonces, qué soluciones hay?
En todas las metodologías para proyectos de datos, el primer y el segundo paso siempre son los mismos; entender el negocio y entender los datos.

Primero, asegúrate que tú como empresa sabes exactamente qué es lo que necesitas y qué información tienes disponible.

Segundo, si quieres contratar un servicio que use cualquier tipo de inteligencia o tecnología en datos asegúrate de que entiendan tu negocio, tu marca, tus servicios, tus metas, a tus clientes, y tus datos. Y asegúrate que tengan acceso y entiendan todos los datos que necesiten.

Siempre recuerda que un modelo decente con los datos correctos es mejor que un gran modelo con los datos incorrectos.

concerned parent: if all your friends jumped off a bridge would you follow them?
machine learning algorithm: yes.
— Computer Facts (@computerfact) March 15, 2018
URLhttps://www.goodrebels.com/es/como-evitar-crear-un-monstruo-de-machine-learning/
AutorJuan Pablo Rubio
OrigenWP Blockchain
Formatowpblockchain
Hash: (SHA256)
Estado:
Estampado en Bitcoin, Litecoin & Ethereum
Momento:
Hace 6 meses (2018-12-20 12:43:36 GMT+2)
Transacciones en Blockchain:
Bitcoin:
Estampado (26,684 confirmaciones) como 02410CF4370C... enseñar árbol esconder arbol
02410CF4370C...
Hash estampado
35E2EC5B504D...
Otro hash
D2C05DCB52F1...
Otro hash
D6CC790AA6AC...
Otro hash
78674D34A26A...
Otro hash
47422A21287F...
Otro hash
7D1CED776BCA...
Otro hash
1A48FED4830F...
Otro hash
C662CF699A30...
Otro hash
1EA956ACECCB...
Otro hash
B5F8EF8C3863...
Otro hash
C2623762599F...
Otro hash
73BFE06FF12B...
Otro hash
229F2B346D97...
Otro hash
DED5122E6129...
Otro hash
29B3814C838C...
Otro hash
F14C46AC193B...
Otro hash
96EA1BD063B4...
Otro hash
81FC9E104FC2...
Otro hash
0C1B221528D4...
Otro hash
4A7B2D222A99...
Otro hash
3B11B91C3F60...
Otro hash
A9459E7A6451...
Otro hash
217BB14A666C...
Nuestro hash
B70B3F07C291...
Otro hash
Litecoin:
Estampado (67,253 confirmaciones) como 02410CF4370C... enseñar árbol esconder arbol
02410CF4370C...
Hash estampado
35E2EC5B504D...
Otro hash
D2C05DCB52F1...
Otro hash
D6CC790AA6AC...
Otro hash
78674D34A26A...
Otro hash
47422A21287F...
Otro hash
7D1CED776BCA...
Otro hash
1A48FED4830F...
Otro hash
C662CF699A30...
Otro hash
1EA956ACECCB...
Otro hash
B5F8EF8C3863...
Otro hash
C2623762599F...
Otro hash
73BFE06FF12B...
Otro hash
229F2B346D97...
Otro hash
DED5122E6129...
Otro hash
29B3814C838C...
Otro hash
F14C46AC193B...
Otro hash
96EA1BD063B4...
Otro hash
81FC9E104FC2...
Otro hash
0C1B221528D4...
Otro hash
4A7B2D222A99...
Otro hash
3B11B91C3F60...
Otro hash
A9459E7A6451...
Otro hash
217BB14A666C...
Nuestro hash
B70B3F07C291...
Otro hash
Ethereum:
Estampado (640,176 confirmaciones) como 1A48FED4830F... enseñar árbol esconder arbol
1A48FED4830F...
Hash estampado
1EA956ACECCB...
Otro hash
B5F8EF8C3863...
Otro hash
C2623762599F...
Otro hash
73BFE06FF12B...
Otro hash
229F2B346D97...
Otro hash
DED5122E6129...
Otro hash
29B3814C838C...
Otro hash
F14C46AC193B...
Otro hash
96EA1BD063B4...
Otro hash
81FC9E104FC2...
Otro hash
0C1B221528D4...
Otro hash
4A7B2D222A99...
Otro hash
3B11B91C3F60...
Otro hash
A9459E7A6451...
Otro hash
217BB14A666C...
Nuestro hash
B70B3F07C291...
Otro hash
Historial de estampados:
Último estampado:
217BB14A666CBF49A551E3C1CC260E609880709DFFED711FD2BADDC04EF47238 estampado activo
Resultado de API (ver resultado bruto):
{
"success": true,
"results": {
"context_id": 145824,
"context_name": "Cu00f3mo evitar crear un monstruo de machine learning",
"context_url": "https://www.goodrebels.com/es/como-evitar-crear-un-monstruo-de-machine-learning/",
"stamp_id": 15499,
"stamp_type": "default",
"stamp_code": "145824-default-last",
"stamp_name": "Tu00edtulo y contenido",
"hash": "217BB14A666CBF49A551E3C1CC260E609880709DFFED711FD2BADDC04EF47238",
"hash_method": "SHA256",
"status": "confirmed",
"confirmations": 755444,
"pending_time": 180,
"created_at_gmt": "2018-12-20 10:43:34",
"created_at": "2018-12-20 11:43:34",
"stamped_at_gmt": "2018-12-20 10:43:36",
"stamped_at": "2018-12-20 11:43:36",
"restamped_at_gmt": "2019-01-24 20:34:17",
"restamped_at": "2019-01-24 21:34:17",
"confirmed_at_gmt": "2019-01-24 20:34:22",
"confirmed_at": "2019-01-24 21:34:22",
"updated_at_gmt": "2019-06-18 19:46:47",
"updated_at": "2019-06-18 21:46:47",
"valid_until_gmt": null,
"valid_until": null,
"gmt_offset": 2,
"blockchains": {
"btc": {
"blockchain": {
"id": "btc",
"name": "Bitcoin",
"block_duration": 600,
"safe_confirmations_amount": 6,
"last_block": 581308,
"last_block_time": "2019-06-18 20:32:30",
"last_block_time_gmt": "2019-06-18 18:32:30",
"transaction_base_url": "https://www.blocktrail.com/BTC/tx/%s"
},
"status": "confirmed",
"confirmed_at_gmt": "2019-01-25 06:54:07",
"confirmed_at": "2019-01-25 07:54:07",
"confirmations": 48015,
"stamped_in": 0,
"pending_blocks": 0,
"pending_time": 0,
"transactions": [
{
"id": "e23e6d792f338e29eabb0822dd9f4fcb8e4960a77056d09a7ef504288b150646",
"prefix": "53363583",
"hash": "D19727068306EA1E425B9D280606C398137129EA2937537E9B2B1F15F270F745",
"hash_method": "SHA256",
"siblings": [
{
"right": "59CE30E747B9180ED2D98BCD9EE5A7B65E0C499658251EFD1214A8B71C7D8565"
}, {
"right": "C43FD5E42E4125FEDC06FE99FDD4D307FE0B2F0980D49219E0F960FDC05477E3"
}, {
"left": "4550F934BB21DE7CD062B566EEDFD2D4A806C7E33F64B523186147E0029C69F8"
}, {
"left": "F48F98D55F620B08F5B6157A9376FD4D38707BAB3613F6C6E9F2F61F9BB0C537"
}, {
"left": "F1C16E4FCDA5A4230100ED7E41EF947CC41410ADB117B432E9C1BE83EA2C3F57"
}, {
"left": "31DFC33B33FE68563D91923223A2CFE9C7586EBF6658BBAA972D5208257A44F0"
}, {
"right": "1B80DA9F48BB8C6CD45CCFFF0B1618CF86FF0AA0DE19D884D5581E3261CFAF01"
}, {
"left": "078D7D46C357FA46D666B3596F40374EA13CC3E033886CA0671384B397715CAC"
}, {
"right": "00C2BE07D4BAC186D119F7949670F061FA94F6EA92FDE2254F423C068BE985AD"
}, {
"left": "4018491B620630681EE5525E81218DD6D6C3ED7254C081A4993AD66F2C5BF99A"
}, {
"right": "D1549D991E788FF12DABD4598912F658680FD6063D0EDB2CC43E3497A60D5875"
}, {
"right": "B01C3B2CBA021776D1405633828D21BB24E8DD5C8F1C5A8504D718A09EB33487"
}, {
"right": "EA8E4789389FC10965EDEB55BC6674D7183779CD721C114A200C26648C65DD24"
}
],
"block_number": null,
"created_at": "2018-12-25 00:24:12",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "de6afd7f28787adf869e3aba2535cafc9aa84732df4ea44d0bbc0d6776cc3d9d",
"prefix": "53363583",
"hash": "812BEB58BA052F2EE89E5A175E329264D3E3F956C9B6DE9F3C11801696480246",
"hash_method": "SHA256",
"siblings": [
{
"right": "39C81AE10E2628A584B45F16345E69B712FD44014923D312A31AD562462A439F"
}, {
"left": "00FDE36648DC96342629436A248366481F2DF900F93393101F38F2179139FEC1"
}, {
"right": "DC4B920A909BCAE93353B1BFF3F6129A45CB61874E2C06423F9DA81F3EFE694A"
}, {
"left": "EE22EF7AA0816130331147629EFCC4FD1DACE3831DC72FD2914BA30914993F38"
}, {
"right": "EBDD471D54F2BAE18607F859CE0BB355DB78DB8757A05288EBC152B79E81C295"
}, {
"left": "EF8F3C655B84451F4CF3F8F2471B3AE800184D4833CF2632C70FF668D2E6EF83"
}, {
"right": "2A8A773E00EEEDE1F27A63E8BA2EF460BDEA01522866718B04D680DBCFB85359"
}, {
"right": "44A8D3C7C1F8BB1B866BD201C851EE16FA0D1626AE0C0B2BC48C653F70410CF9"
}, {
"right": "77ADBA4212F90C8FEC3EC23055D8B68F9B672960DEB6497339A512645520305D"
}
],
"block_number": null,
"created_at": "2019-01-11 01:01:14",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "c9ab114f94921c0ec5eea2f57681f36e2b2477b22416d3d8016ad36e01235bcd",
"prefix": "53363583",
"hash": "37D92C77BB5D3B5DDD7442F4F7F776BB78195775D726865F4A36CAB7AB682BD9",
"hash_method": "SHA256",
"siblings": [
{
"right": "13A05EB9A2BFB4D965243BE14250F4AA722F7F572872077832617FC7AB24EAA3"
}, {
"right": "033FD9A44C9AC44466066F6C883AA1331A45D63A6AED0C6070E303DA778BD7D3"
}, {
"left": "8073795668B5CB53170C3EA7FF9404A248060B37DB4A686C85CC97BBCA2A6C75"
}, {
"left": "CF1463B7F21D91BBAFEDE66CE2206728894D268D890771E64865A5E2AE4CACEB"
}, {
"left": "F66095A6991ECE0754EA7A764FAF1A64BFD3A770178BFE26C37653A21DC9E81A"
}, {
"right": "B768C2DB268E1AF915EFA13239A2905EFE69B98DDB47C608F5BF33356639A857"
}, {
"right": "8A1CCFDA609CD5E159D0E2B5A1566444B0FC3B88E8760A08E5E6F68B96759261"
}, {
"right": "9344740172343BC0F83DADB8DBB7B34FEA30A2AD0984D6B67E8FA94848005875"
}, {
"left": "8726DF5029ADA2ABA7627116D11DB65B0DA74AF0993BD531AA23F11EDADE4774"
}, {
"right": "59131F6FCD70B99E9D286C4E24A384467C43F58AF58DDA2019609B6C916F4E22"
}, {
"right": "612589A94DEF52F01F1336440D74D66D0B3579197F98AEF7FC4B665784FE4478"
}, {
"left": "3C6F5FAED49F419EF55BC81A7B31909D531E89B6B6547A308CE34AD4B13F1F74"
}
],
"block_number": null,
"created_at": "2019-01-14 19:07:06",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "6cd8f89f8967030a9667dfcdba12d4492e751fdf549c487cefc54cf64144537f",
"prefix": "53363583",
"hash": "6D1206C514EA071668A8AC78CFC1C626646EC68F6258494A7FB17D3901D7B1F7",
"hash_method": "SHA256",
"siblings": [
{
"right": "78B647D320BFDFCE2DCE6552C9052AF1F1DB95B08009C11851CA4F6A1C71AEAC"
}, {
"right": "0F81AB69BA8E0659CDBE1C1569AF962FA47977903A3BEA26B92C8807E826E16C"
}, {
"left": "383DF183C5CCF43B0391CC7A7A8BAE4DFF101FBCBB52D590346EA7EB8A509A4C"
}, {
"right": "B8BBAC017DCE7BA905EEA8F90F8D41C67319C65820F2E737FEC2477896BB2B25"
}, {
"left": "46443AD899EBC5DCBBF2A80E60FB26D9D19E0BBB9FD9D574D0CC55AF8EE62A96"
}, {
"right": "71D00A63D96533F420B8F2000F3CFEB9DC056557F435173B6E86725AD70C0E65"
}, {
"right": "2A5A43DC8A51B1B03849CCC8D0A9629FE07AA7239302BC799882B96D8AE68D27"
}, {
"left": "A0C7ED9181C06CE51E64A55898DA9AE44FC3399DDA6EF6AE18E9BC15F3A51DB1"
}, {
"right": "00EC47DC76B0FC65E04513626C80EBF7E3DBDEFB2C80F4438930C8C670C5FC74"
}, {
"right": "BB4077DF908D8A8227D92483BFBE47E36AA52E580BD0DF96B6D1A93AB3661BF2"
}, {
"right": "5E675898F9542971BC54736C28E0EA818694C2F7A47404558C5D90496CC9277F"
}
],
"block_number": null,
"created_at": "2019-01-17 06:09:42",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "56f5911579e1f1df3012e96c510fbe552c011c4cbce1cde8cc33198b8ec0a21d",
"prefix": "53363583",
"hash": "DFE513362D8F9E14F281C29A7BEF38E7EAD86ED451F43723A3267E095C8F403C",
"hash_method": "SHA256",
"siblings": [
{
"right": "A285F31A87B135F95C70C6504569CA7B4DB5AD6CD5189F4279853C2E0187328F"
}, {
"right": "73306B02E2A5576B455FE2A5AE86B4775356A7006CFF2710D4F3797EE4D207B7"
}, {
"left": "6E06668038EDD09D8AC66E61084570BCDB49FC3C949E670453AA43C06A485A7B"
}, {
"right": "80B50B407A1E1B8FD8DDEE59C87F40A6BE8C0774A987A05AAC17C75558972385"
}, {
"right": "9FB0F492DA345F95A893F66BB8A1945CB6E2D85DC1EACAAC8BF08D68F546D991"
}, {
"left": "38FB9E65EE28C1418423E99A0FDC703A5C2333671A75ED866634012F16BB58BE"
}, {
"right": "4D74D3BF563828828B99A1011649D5F134BE22CC9EE8790339544658694C53A9"
}, {
"right": "4D933D2F3092192D182951DBAE149C8D632F84C44CF2CF9AE8E712E1FD29C07D"
}
],
"block_number": null,
"created_at": "2019-01-19 00:03:27",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "f17d62f54c4e63c7b89e2425b9c56fe97948d0badaa22342a40e76b3045a5068",
"prefix": "53363583",
"hash": "01230F5A60AED4AAE8BE02981B3147F4E09FDF48E9B137075B65E4869BC0FD05",
"hash_method": "SHA256",
"siblings": [
{
"left": "7589CC485FDB184D6363BCB400CA01BA60BC7934ABC88E2B1D3A4FBFDF403B24"
}, {
"right": "589451A7ABDA8153D54E3EB041DCA6974977E36184CC94502D1B7881EAAE7C7D"
}, {
"left": "251ED74B67DFC304BA6AB99D503075E9A21A6C92B4DE3D55BE819C8EE50F1B88"
}, {
"left": "093E85DE60622CEA22425B1945519D12D730B0EAF749C6B393858CD94BCBFC5A"
}, {
"left": "3E6997B211C90096994536924FEFFF45EA35FE525CE955F2D06B7D0CC816644D"
}, {
"left": "D34411A861719713054F5D4E6CEF73A016B648AD21786C03FE2729CEF6E77AFC"
}, {
"left": "B1E2990B54F053B79C56A3021770280B0D3AE08F711AFB727D326645B5A8BAA2"
}, {
"left": "032ED2E0174E26C4F590C602E58539D57D1A525F99D7E1EE594FACB704A7E43D"
}, {
"left": "61755FF40FA4467A55400BE8EFE3E35FC492003282FBE7383C04503514C5E9CD"
}, {
"right": "E6CFC19270976A9776B8C422FDFF2ECB230FCCC127DCBBB6C9BF673A6FA2AF7C"
}, {
"left": "E23A30D6823E42670F32960583ADD7881D1BF0519B6ED7004063D5CB1D326445"
}, {
"right": "6225F0743DF978AACB4D2F809FC9C7EB1654D4CD876D34CD3AEE27BB2E8D7A4A"
}, {
"right": "25B1108ED9A963DA7DB68049616F8344ED2D08EC82A10D24D4561AC9B11B18C8"
}, {
"right": "B726609B1A1AAD1B3951E00AFBB30AA0D052916B930FB59567895A8CCD614A52"
}, {
"right": "9463EF6B714C55E16AD2979BB578B3E107FE4F993DE20E2BA8DBD67C03A98DD1"
}
],
"block_number": null,
"created_at": "2019-03-17 09:45:31",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "32f887b7d72bcc4de0e0d17f0c6ad608b5807646b50b44b836ed9afaade358a8",
"prefix": "53363583",
"hash": "02410CF4370CB51A9C037EF7247351C6567D5D34B110582358698F96FCDD5DF4",
"hash_method": "SHA256",
"siblings": [
{
"right": "B70B3F07C29146516F02C7190E50E668AB14787B8C119A05A544277F5B14CA5C"
}, {
"right": "A9459E7A645152F2AA51AD77AB24872BAC02A14FFB993EB1C660480295FFB955"
}, {
"left": "0C1B221528D42D5858DA3E423FDE7FA392C9C5A66FF0B172DAEAEA5A51A82227"
}, {
"left": "96EA1BD063B4DC2645E3A01E802F5FE3C5E9B873BF55C195A9A5397A2BC7F78F"
}, {
"right": "F14C46AC193B718A7A3DD539520662EF9257A1B62A44E60444EE9381825C1235"
}, {
"left": "229F2B346D97B593798495C66D8799026BE5C78DED37E59C8AE39B8FF559BB5B"
}, {
"left": "C2623762599F2F0853D1FF81C68207BE439B32CAC7F48550AEEBA217D9ABA8EB"
}, {
"right": "B5F8EF8C38635BBF2ABEBA6921C7A97FE4D20F6422F4C1782119E4CE46C932CA"
}, {
"right": "C662CF699A30DDA5E8AD1BF57765DAADEA9E4E84266C036F6648E03326852575"
}, {
"left": "47422A21287FF31FDA98227ED116F67AA093992E3AEC8C356B0970EE63F07E2B"
}, {
"right": "78674D34A26A81CE840AC87433059464DD180801F900B8E981648C35E1F8E0BD"
}, {
"left": "35E2EC5B504DA60CAB5F87B2570A1F0372BC9682219364077031CF22AA0EF988"
}
],
"block_number": "554624",
"created_at": "2018-12-20 12:04:51",
"confirmed_at": "2018-12-20 12:38:43",
"status": "confirmed",
"confirmations": 26684
}, {
"id": "eaa7b959ad6aed368bf5052f39e3db261deca345b171c7739330eac76ff3c242",
"prefix": "53363583",
"hash": "D84954344A01B4B7164D9C08D0056A6C08B554AD1C683F47A5069BF9F72C3AEF",
"hash_method": "SHA256",
"siblings": [
{
"left": "597D2755CC21D8F3C3BF29D0F00483F249336D07424BD5CB96A839F4A9839916"
}, {
"right": "2F8D546C5502E78A056AFB0B38F727E3EDF9C978B475D19FBE3A5B392A3BF26C"
}, {
"right": "864463C061C64910708C00073AB11544EB72911453B5D474716C737409FB198A"
}, {
"right": "5D55C92E4762666C2CE80546A8D56060840861E78D2880EDB5529281C8DD3E98"
}, {
"right": "222A9940C3062CEE42476A1459BDBBEE66F653F34E78795B6A95BD5630139282"
}, {
"left": "57DEFA724293A3626A413B0960402F3F97CD9AFEE0F0FBC9927ABBB477876E7F"
}, {
"left": "BF1A8F1235436656882193D6AC9ADDB4D20911D5E2C4729261498F495EC1F6BB"
}, {
"right": "5112266A1B3C157DDE1032CB2FAD8AF9C1A38D0E1E105365FE280CCC4A84B18F"
}
],
"block_number": "559977",
"created_at": "2019-01-25 05:52:09",
"confirmed_at": "2019-01-25 06:54:07",
"status": "confirmed",
"confirmations": 21331
}
]
},
"ltc": {
"blockchain": {
"id": "ltc",
"name": "Litecoin",
"block_duration": 180,
"safe_confirmations_amount": 6,
"last_block": 1613834,
"last_block_time": "2019-04-13 18:11:41",
"last_block_time_gmt": "2019-04-13 16:11:41",
"transaction_base_url": "https://chain.so/tx/LTC/%s"
},
"status": "confirmed",
"confirmed_at_gmt": "2018-12-20 12:09:25",
"confirmed_at": "2018-12-20 13:09:25",
"confirmations": 67253,
"stamped_in": 0,
"pending_blocks": 0,
"pending_time": 0,
"transactions": [
{
"id": "e6179db11dc96c2a9673d64e9c84a08d434f66685f26a6be97bae71259ba417f",
"prefix": "53363583",
"hash": "D19727068306EA1E425B9D280606C398137129EA2937537E9B2B1F15F270F745",
"hash_method": "SHA256",
"siblings": [
{
"right": "59CE30E747B9180ED2D98BCD9EE5A7B65E0C499658251EFD1214A8B71C7D8565"
}, {
"right": "C43FD5E42E4125FEDC06FE99FDD4D307FE0B2F0980D49219E0F960FDC05477E3"
}, {
"left": "4550F934BB21DE7CD062B566EEDFD2D4A806C7E33F64B523186147E0029C69F8"
}, {
"left": "F48F98D55F620B08F5B6157A9376FD4D38707BAB3613F6C6E9F2F61F9BB0C537"
}, {
"left": "F1C16E4FCDA5A4230100ED7E41EF947CC41410ADB117B432E9C1BE83EA2C3F57"
}, {
"left": "31DFC33B33FE68563D91923223A2CFE9C7586EBF6658BBAA972D5208257A44F0"
}, {
"right": "1B80DA9F48BB8C6CD45CCFFF0B1618CF86FF0AA0DE19D884D5581E3261CFAF01"
}, {
"left": "078D7D46C357FA46D666B3596F40374EA13CC3E033886CA0671384B397715CAC"
}, {
"right": "00C2BE07D4BAC186D119F7949670F061FA94F6EA92FDE2254F423C068BE985AD"
}, {
"left": "4018491B620630681EE5525E81218DD6D6C3ED7254C081A4993AD66F2C5BF99A"
}, {
"right": "D1549D991E788FF12DABD4598912F658680FD6063D0EDB2CC43E3497A60D5875"
}, {
"right": "B01C3B2CBA021776D1405633828D21BB24E8DD5C8F1C5A8504D718A09EB33487"
}, {
"right": "EA8E4789389FC10965EDEB55BC6674D7183779CD721C114A200C26648C65DD24"
}
],
"block_number": null,
"created_at": "2018-12-25 00:26:03",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "a34bca5fc4df6444332ee1b45cf51ddf4d47a342601d291a84085653ea76f025",
"prefix": "53363583",
"hash": "812BEB58BA052F2EE89E5A175E329264D3E3F956C9B6DE9F3C11801696480246",
"hash_method": "SHA256",
"siblings": [
{
"right": "39C81AE10E2628A584B45F16345E69B712FD44014923D312A31AD562462A439F"
}, {
"left": "00FDE36648DC96342629436A248366481F2DF900F93393101F38F2179139FEC1"
}, {
"right": "DC4B920A909BCAE93353B1BFF3F6129A45CB61874E2C06423F9DA81F3EFE694A"
}, {
"left": "EE22EF7AA0816130331147629EFCC4FD1DACE3831DC72FD2914BA30914993F38"
}, {
"right": "EBDD471D54F2BAE18607F859CE0BB355DB78DB8757A05288EBC152B79E81C295"
}, {
"left": "EF8F3C655B84451F4CF3F8F2471B3AE800184D4833CF2632C70FF668D2E6EF83"
}, {
"right": "2A8A773E00EEEDE1F27A63E8BA2EF460BDEA01522866718B04D680DBCFB85359"
}, {
"right": "44A8D3C7C1F8BB1B866BD201C851EE16FA0D1626AE0C0B2BC48C653F70410CF9"
}, {
"right": "77ADBA4212F90C8FEC3EC23055D8B68F9B672960DEB6497339A512645520305D"
}
],
"block_number": null,
"created_at": "2019-01-11 01:01:14",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "592d18cdcf6c56afb093c8bf95d7254bb8daf28271f204271483aa879f8a47ae",
"prefix": "53363583",
"hash": "37D92C77BB5D3B5DDD7442F4F7F776BB78195775D726865F4A36CAB7AB682BD9",
"hash_method": "SHA256",
"siblings": [
{
"right": "13A05EB9A2BFB4D965243BE14250F4AA722F7F572872077832617FC7AB24EAA3"
}, {
"right": "033FD9A44C9AC44466066F6C883AA1331A45D63A6AED0C6070E303DA778BD7D3"
}, {
"left": "8073795668B5CB53170C3EA7FF9404A248060B37DB4A686C85CC97BBCA2A6C75"
}, {
"left": "CF1463B7F21D91BBAFEDE66CE2206728894D268D890771E64865A5E2AE4CACEB"
}, {
"left": "F66095A6991ECE0754EA7A764FAF1A64BFD3A770178BFE26C37653A21DC9E81A"
}, {
"right": "B768C2DB268E1AF915EFA13239A2905EFE69B98DDB47C608F5BF33356639A857"
}, {
"right": "8A1CCFDA609CD5E159D0E2B5A1566444B0FC3B88E8760A08E5E6F68B96759261"
}, {
"right": "9344740172343BC0F83DADB8DBB7B34FEA30A2AD0984D6B67E8FA94848005875"
}, {
"left": "8726DF5029ADA2ABA7627116D11DB65B0DA74AF0993BD531AA23F11EDADE4774"
}, {
"right": "59131F6FCD70B99E9D286C4E24A384467C43F58AF58DDA2019609B6C916F4E22"
}, {
"right": "612589A94DEF52F01F1336440D74D66D0B3579197F98AEF7FC4B665784FE4478"
}, {
"left": "3C6F5FAED49F419EF55BC81A7B31909D531E89B6B6547A308CE34AD4B13F1F74"
}
],
"block_number": null,
"created_at": "2019-01-14 19:07:06",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "d79ec605c186a317b3cda59093f384b4daac89a834aa8beeee8718bda35b5395",
"prefix": "53363583",
"hash": "6D1206C514EA071668A8AC78CFC1C626646EC68F6258494A7FB17D3901D7B1F7",
"hash_method": "SHA256",
"siblings": [
{
"right": "78B647D320BFDFCE2DCE6552C9052AF1F1DB95B08009C11851CA4F6A1C71AEAC"
}, {
"right": "0F81AB69BA8E0659CDBE1C1569AF962FA47977903A3BEA26B92C8807E826E16C"
}, {
"left": "383DF183C5CCF43B0391CC7A7A8BAE4DFF101FBCBB52D590346EA7EB8A509A4C"
}, {
"right": "B8BBAC017DCE7BA905EEA8F90F8D41C67319C65820F2E737FEC2477896BB2B25"
}, {
"left": "46443AD899EBC5DCBBF2A80E60FB26D9D19E0BBB9FD9D574D0CC55AF8EE62A96"
}, {
"right": "71D00A63D96533F420B8F2000F3CFEB9DC056557F435173B6E86725AD70C0E65"
}, {
"right": "2A5A43DC8A51B1B03849CCC8D0A9629FE07AA7239302BC799882B96D8AE68D27"
}, {
"left": "A0C7ED9181C06CE51E64A55898DA9AE44FC3399DDA6EF6AE18E9BC15F3A51DB1"
}, {
"right": "00EC47DC76B0FC65E04513626C80EBF7E3DBDEFB2C80F4438930C8C670C5FC74"
}, {
"right": "BB4077DF908D8A8227D92483BFBE47E36AA52E580BD0DF96B6D1A93AB3661BF2"
}, {
"right": "5E675898F9542971BC54736C28E0EA818694C2F7A47404558C5D90496CC9277F"
}
],
"block_number": null,
"created_at": "2019-01-17 06:12:05",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "36e4a6bba50b529cb215a8ccdd9bc7f775a203c33b1c2f01880c385dacf753fc",
"prefix": "53363583",
"hash": "DFE513362D8F9E14F281C29A7BEF38E7EAD86ED451F43723A3267E095C8F403C",
"hash_method": "SHA256",
"siblings": [
{
"right": "A285F31A87B135F95C70C6504569CA7B4DB5AD6CD5189F4279853C2E0187328F"
}, {
"right": "73306B02E2A5576B455FE2A5AE86B4775356A7006CFF2710D4F3797EE4D207B7"
}, {
"left": "6E06668038EDD09D8AC66E61084570BCDB49FC3C949E670453AA43C06A485A7B"
}, {
"right": "80B50B407A1E1B8FD8DDEE59C87F40A6BE8C0774A987A05AAC17C75558972385"
}, {
"right": "9FB0F492DA345F95A893F66BB8A1945CB6E2D85DC1EACAAC8BF08D68F546D991"
}, {
"left": "38FB9E65EE28C1418423E99A0FDC703A5C2333671A75ED866634012F16BB58BE"
}, {
"right": "4D74D3BF563828828B99A1011649D5F134BE22CC9EE8790339544658694C53A9"
}, {
"right": "4D933D2F3092192D182951DBAE149C8D632F84C44CF2CF9AE8E712E1FD29C07D"
}
],
"block_number": null,
"created_at": "2019-01-19 00:06:12",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "ef94e107403ae49f59ae9e9a83d30b9f9e11230329af71f5da76b8b40c76d100",
"prefix": "53363583",
"hash": "D84954344A01B4B7164D9C08D0056A6C08B554AD1C683F47A5069BF9F72C3AEF",
"hash_method": "SHA256",
"siblings": [
{
"left": "597D2755CC21D8F3C3BF29D0F00483F249336D07424BD5CB96A839F4A9839916"
}, {
"right": "2F8D546C5502E78A056AFB0B38F727E3EDF9C978B475D19FBE3A5B392A3BF26C"
}, {
"right": "864463C061C64910708C00073AB11544EB72911453B5D474716C737409FB198A"
}, {
"right": "5D55C92E4762666C2CE80546A8D56060840861E78D2880EDB5529281C8DD3E98"
}, {
"right": "222A9940C3062CEE42476A1459BDBBEE66F653F34E78795B6A95BD5630139282"
}, {
"left": "57DEFA724293A3626A413B0960402F3F97CD9AFEE0F0FBC9927ABBB477876E7F"
}, {
"left": "BF1A8F1235436656882193D6AC9ADDB4D20911D5E2C4729261498F495EC1F6BB"
}, {
"right": "5112266A1B3C157DDE1032CB2FAD8AF9C1A38D0E1E105365FE280CCC4A84B18F"
}
],
"block_number": null,
"created_at": "2019-01-25 05:52:10",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "c1581dbf0022db62fe481cf3c8ad83a4c58ebd774758cdb9d82c608c2d91d964",
"prefix": "53363583",
"hash": "01230F5A60AED4AAE8BE02981B3147F4E09FDF48E9B137075B65E4869BC0FD05",
"hash_method": "SHA256",
"siblings": [
{
"left": "7589CC485FDB184D6363BCB400CA01BA60BC7934ABC88E2B1D3A4FBFDF403B24"
}, {
"right": "589451A7ABDA8153D54E3EB041DCA6974977E36184CC94502D1B7881EAAE7C7D"
}, {
"left": "251ED74B67DFC304BA6AB99D503075E9A21A6C92B4DE3D55BE819C8EE50F1B88"
}, {
"left": "093E85DE60622CEA22425B1945519D12D730B0EAF749C6B393858CD94BCBFC5A"
}, {
"left": "3E6997B211C90096994536924FEFFF45EA35FE525CE955F2D06B7D0CC816644D"
}, {
"left": "D34411A861719713054F5D4E6CEF73A016B648AD21786C03FE2729CEF6E77AFC"
}, {
"left": "B1E2990B54F053B79C56A3021770280B0D3AE08F711AFB727D326645B5A8BAA2"
}, {
"left": "032ED2E0174E26C4F590C602E58539D57D1A525F99D7E1EE594FACB704A7E43D"
}, {
"left": "61755FF40FA4467A55400BE8EFE3E35FC492003282FBE7383C04503514C5E9CD"
}, {
"right": "E6CFC19270976A9776B8C422FDFF2ECB230FCCC127DCBBB6C9BF673A6FA2AF7C"
}, {
"left": "E23A30D6823E42670F32960583ADD7881D1BF0519B6ED7004063D5CB1D326445"
}, {
"right": "6225F0743DF978AACB4D2F809FC9C7EB1654D4CD876D34CD3AEE27BB2E8D7A4A"
}, {
"right": "25B1108ED9A963DA7DB68049616F8344ED2D08EC82A10D24D4561AC9B11B18C8"
}, {
"right": "B726609B1A1AAD1B3951E00AFBB30AA0D052916B930FB59567895A8CCD614A52"
}, {
"right": "9463EF6B714C55E16AD2979BB578B3E107FE4F993DE20E2BA8DBD67C03A98DD1"
}
],
"block_number": null,
"created_at": "2019-03-17 09:50:23",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "791f701aefb2dddd8962174594e8955815c3f209dc7c48e5c1bb3e007271047e",
"prefix": "53363583",
"hash": "02410CF4370CB51A9C037EF7247351C6567D5D34B110582358698F96FCDD5DF4",
"hash_method": "SHA256",
"siblings": [
{
"right": "B70B3F07C29146516F02C7190E50E668AB14787B8C119A05A544277F5B14CA5C"
}, {
"right": "A9459E7A645152F2AA51AD77AB24872BAC02A14FFB993EB1C660480295FFB955"
}, {
"left": "0C1B221528D42D5858DA3E423FDE7FA392C9C5A66FF0B172DAEAEA5A51A82227"
}, {
"left": "96EA1BD063B4DC2645E3A01E802F5FE3C5E9B873BF55C195A9A5397A2BC7F78F"
}, {
"right": "F14C46AC193B718A7A3DD539520662EF9257A1B62A44E60444EE9381825C1235"
}, {
"left": "229F2B346D97B593798495C66D8799026BE5C78DED37E59C8AE39B8FF559BB5B"
}, {
"left": "C2623762599F2F0853D1FF81C68207BE439B32CAC7F48550AEEBA217D9ABA8EB"
}, {
"right": "B5F8EF8C38635BBF2ABEBA6921C7A97FE4D20F6422F4C1782119E4CE46C932CA"
}, {
"right": "C662CF699A30DDA5E8AD1BF57765DAADEA9E4E84266C036F6648E03326852575"
}, {
"left": "47422A21287FF31FDA98227ED116F67AA093992E3AEC8C356B0970EE63F07E2B"
}, {
"right": "78674D34A26A81CE840AC87433059464DD180801F900B8E981648C35E1F8E0BD"
}, {
"left": "35E2EC5B504DA60CAB5F87B2570A1F0372BC9682219364077031CF22AA0EF988"
}
],
"block_number": "1546581",
"created_at": "2018-12-20 12:07:04",
"confirmed_at": "2018-12-20 12:09:25",
"status": "confirmed",
"confirmations": 67253
}
]
},
"eth": {
"blockchain": {
"id": "eth",
"name": "Ethereum",
"block_duration": 15,
"safe_confirmations_amount": 7,
"last_block": 7560559,
"last_block_time": "2019-04-13 18:07:30",
"last_block_time_gmt": "2019-04-13 16:07:30",
"transaction_base_url": "https://etherscan.io/tx/%s"
},
"status": "confirmed",
"confirmed_at_gmt": "2018-12-20 11:07:33",
"confirmed_at": "2018-12-20 12:07:33",
"confirmations": 640176,
"stamped_in": 0,
"pending_blocks": 0,
"pending_time": 0,
"transactions": [
{
"id": "0xf3c001ded003f9f2ffc3f4615f5989c5379044d103b3d78b262989d22810b56f",
"prefix": "53363583",
"hash": "AFE9B2C149EB2F7152EE6D2B906A8C3F0B813DF62B447356F8695E83381CDC1E",
"hash_method": "SHA256",
"siblings": [
{
"right": "59CE30E747B9180ED2D98BCD9EE5A7B65E0C499658251EFD1214A8B71C7D8565"
}, {
"right": "C43FD5E42E4125FEDC06FE99FDD4D307FE0B2F0980D49219E0F960FDC05477E3"
}, {
"left": "4550F934BB21DE7CD062B566EEDFD2D4A806C7E33F64B523186147E0029C69F8"
}, {
"left": "F48F98D55F620B08F5B6157A9376FD4D38707BAB3613F6C6E9F2F61F9BB0C537"
}, {
"left": "F1C16E4FCDA5A4230100ED7E41EF947CC41410ADB117B432E9C1BE83EA2C3F57"
}, {
"left": "31DFC33B33FE68563D91923223A2CFE9C7586EBF6658BBAA972D5208257A44F0"
}, {
"right": "1B80DA9F48BB8C6CD45CCFFF0B1618CF86FF0AA0DE19D884D5581E3261CFAF01"
}, {
"left": "078D7D46C357FA46D666B3596F40374EA13CC3E033886CA0671384B397715CAC"
}, {
"right": "00C2BE07D4BAC186D119F7949670F061FA94F6EA92FDE2254F423C068BE985AD"
}
],
"block_number": null,
"created_at": "2018-12-24 19:16:22",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0xf66bcc9bcaf7bb376d88e19484329720b840da6f01ac31465bf1d8b79b201920",
"prefix": "53363583",
"hash": "3D7ED5FFA8F1569B1F7BFB3AD18E8F117C1D265F27CB90D5C81C81BB56EF4AF7",
"hash_method": "SHA256",
"siblings": [
{
"right": "39C81AE10E2628A584B45F16345E69B712FD44014923D312A31AD562462A439F"
}, {
"left": "00FDE36648DC96342629436A248366481F2DF900F93393101F38F2179139FEC1"
}, {
"right": "DC4B920A909BCAE93353B1BFF3F6129A45CB61874E2C06423F9DA81F3EFE694A"
}, {
"left": "EE22EF7AA0816130331147629EFCC4FD1DACE3831DC72FD2914BA30914993F38"
}, {
"right": "EBDD471D54F2BAE18607F859CE0BB355DB78DB8757A05288EBC152B79E81C295"
}
],
"block_number": null,
"created_at": "2019-01-10 18:53:19",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0xfd5712b2a41486acda1ae51a15e1dc5e7d0701b4426120b78d12d1a3c2e2f6a3",
"prefix": "53363583",
"hash": "40FB5CD69F296B45F03EB7401FF51ABF98F1AA21FDF8C0C6EFBD6D4D262E73E7",
"hash_method": "SHA256",
"siblings": [
{
"left": "7589CC485FDB184D6363BCB400CA01BA60BC7934ABC88E2B1D3A4FBFDF403B24"
}, {
"right": "589451A7ABDA8153D54E3EB041DCA6974977E36184CC94502D1B7881EAAE7C7D"
}, {
"left": "251ED74B67DFC304BA6AB99D503075E9A21A6C92B4DE3D55BE819C8EE50F1B88"
}, {
"left": "093E85DE60622CEA22425B1945519D12D730B0EAF749C6B393858CD94BCBFC5A"
}
],
"block_number": null,
"created_at": "2019-01-12 02:56:12",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x310935bd4694f88fe1f6016e313a4a0d7024899043f92dd2fc40072aa564454e",
"prefix": "53363583",
"hash": "B201DD37CB50E6D01DCFBB7F9577CD5FDE49B440D77F753A8D489A62C3D3CAA3",
"hash_method": "SHA256",
"siblings": [
{
"right": "13A05EB9A2BFB4D965243BE14250F4AA722F7F572872077832617FC7AB24EAA3"
}, {
"right": "033FD9A44C9AC44466066F6C883AA1331A45D63A6AED0C6070E303DA778BD7D3"
}, {
"left": "8073795668B5CB53170C3EA7FF9404A248060B37DB4A686C85CC97BBCA2A6C75"
}, {
"left": "CF1463B7F21D91BBAFEDE66CE2206728894D268D890771E64865A5E2AE4CACEB"
}, {
"left": "F66095A6991ECE0754EA7A764FAF1A64BFD3A770178BFE26C37653A21DC9E81A"
}, {
"right": "B768C2DB268E1AF915EFA13239A2905EFE69B98DDB47C608F5BF33356639A857"
}, {
"right": "8A1CCFDA609CD5E159D0E2B5A1566444B0FC3B88E8760A08E5E6F68B96759261"
}, {
"right": "9344740172343BC0F83DADB8DBB7B34FEA30A2AD0984D6B67E8FA94848005875"
}
],
"block_number": null,
"created_at": "2019-01-14 18:00:04",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0xa5da3b94e69935e14ca8822f2cf0c40d3bfa959817e3fd6a793f4e07f7559cf6",
"prefix": "53363583",
"hash": "08D9BC06533437582D3DF72E1F41DC1B441140570B6B7D6B2B3E0FAA427E6911",
"hash_method": "SHA256",
"siblings": [
{
"right": "78B647D320BFDFCE2DCE6552C9052AF1F1DB95B08009C11851CA4F6A1C71AEAC"
}, {
"right": "0F81AB69BA8E0659CDBE1C1569AF962FA47977903A3BEA26B92C8807E826E16C"
}, {
"left": "383DF183C5CCF43B0391CC7A7A8BAE4DFF101FBCBB52D590346EA7EB8A509A4C"
}, {
"right": "B8BBAC017DCE7BA905EEA8F90F8D41C67319C65820F2E737FEC2477896BB2B25"
}, {
"left": "46443AD899EBC5DCBBF2A80E60FB26D9D19E0BBB9FD9D574D0CC55AF8EE62A96"
}, {
"right": "71D00A63D96533F420B8F2000F3CFEB9DC056557F435173B6E86725AD70C0E65"
}, {
"right": "2A5A43DC8A51B1B03849CCC8D0A9629FE07AA7239302BC799882B96D8AE68D27"
}
],
"block_number": null,
"created_at": "2019-01-17 01:12:13",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x061789e5aa5046f8c176d2afb955b511e02521641ec13444c25d052cb36e97cc",
"prefix": "53363583",
"hash": "17E296EFA3756F75792CE9AE41D157312D289BF0DEFEFF87442E04DEE1A225EA",
"hash_method": "SHA256",
"siblings": [
{
"right": "A285F31A87B135F95C70C6504569CA7B4DB5AD6CD5189F4279853C2E0187328F"
}, {
"right": "73306B02E2A5576B455FE2A5AE86B4775356A7006CFF2710D4F3797EE4D207B7"
}, {
"left": "6E06668038EDD09D8AC66E61084570BCDB49FC3C949E670453AA43C06A485A7B"
}, {
"right": "80B50B407A1E1B8FD8DDEE59C87F40A6BE8C0774A987A05AAC17C75558972385"
}
],
"block_number": null,
"created_at": "2019-01-18 21:23:03",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0xb86c1c878db972541ebd9312cfb3e343a5029740666c3367deae97aa2924154e",
"prefix": "53363583",
"hash": "D1AC97BE5304F53391D40C750B7DE2FDBF434962F42975D1028C758C75B048A1",
"hash_method": "SHA256",
"siblings": [
{
"left": "597D2755CC21D8F3C3BF29D0F00483F249336D07424BD5CB96A839F4A9839916"
}, {
"right": "2F8D546C5502E78A056AFB0B38F727E3EDF9C978B475D19FBE3A5B392A3BF26C"
}, {
"right": "864463C061C64910708C00073AB11544EB72911453B5D474716C737409FB198A"
}, {
"right": "5D55C92E4762666C2CE80546A8D56060840861E78D2880EDB5529281C8DD3E98"
}
],
"block_number": null,
"created_at": "2019-01-25 05:52:23",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0xef9025a10f5b8b317b8beed342295de983138bc1c506f30e98dadf7996fff5e9",
"prefix": "53363583",
"hash": "1A48FED4830F4A722A2B5D4CD7368807C77D0B967D152E680E4A22B192A7AC20",
"hash_method": "SHA256",
"siblings": [
{
"right": "B70B3F07C29146516F02C7190E50E668AB14787B8C119A05A544277F5B14CA5C"
}, {
"right": "A9459E7A645152F2AA51AD77AB24872BAC02A14FFB993EB1C660480295FFB955"
}, {
"left": "0C1B221528D42D5858DA3E423FDE7FA392C9C5A66FF0B172DAEAEA5A51A82227"
}, {
"left": "96EA1BD063B4DC2645E3A01E802F5FE3C5E9B873BF55C195A9A5397A2BC7F78F"
}, {
"right": "F14C46AC193B718A7A3DD539520662EF9257A1B62A44E60444EE9381825C1235"
}, {
"left": "229F2B346D97B593798495C66D8799026BE5C78DED37E59C8AE39B8FF559BB5B"
}, {
"left": "C2623762599F2F0853D1FF81C68207BE439B32CAC7F48550AEEBA217D9ABA8EB"
}, {
"right": "B5F8EF8C38635BBF2ABEBA6921C7A97FE4D20F6422F4C1782119E4CE46C932CA"
}
],
"block_number": "6920383",
"created_at": "2018-12-20 11:01:03",
"confirmed_at": "2018-12-20 11:07:33",
"status": "confirmed",
"confirmations": 640176
}
]
},
"etc": {
"blockchain": {
"id": "etc",
"name": "Ethereum Classic",
"block_duration": 15,
"safe_confirmations_amount": 10,
"last_block": 7844546,
"last_block_time": "2019-04-13 18:11:51",
"last_block_time_gmt": "2019-04-13 16:11:51",
"transaction_base_url": "https://gastracker.io/tx/%s"
},
"status": "pending",
"confirmed_at_gmt": null,
"confirmed_at": null,
"confirmations": 0,
"stamped_in": 0,
"pending_blocks": 10,
"pending_time": 150,
"transactions": [
{
"id": "0x76397008d42a89a09ccf56d5e3c06ad2a082f6f32353526889ce8a87c875a874",
"prefix": "53363583",
"hash": "1A48FED4830F4A722A2B5D4CD7368807C77D0B967D152E680E4A22B192A7AC20",
"hash_method": "SHA256",
"siblings": [
{
"right": "B70B3F07C29146516F02C7190E50E668AB14787B8C119A05A544277F5B14CA5C"
}, {
"right": "A9459E7A645152F2AA51AD77AB24872BAC02A14FFB993EB1C660480295FFB955"
}, {
"left": "0C1B221528D42D5858DA3E423FDE7FA392C9C5A66FF0B172DAEAEA5A51A82227"
}, {
"left": "96EA1BD063B4DC2645E3A01E802F5FE3C5E9B873BF55C195A9A5397A2BC7F78F"
}, {
"right": "F14C46AC193B718A7A3DD539520662EF9257A1B62A44E60444EE9381825C1235"
}, {
"left": "229F2B346D97B593798495C66D8799026BE5C78DED37E59C8AE39B8FF559BB5B"
}, {
"left": "C2623762599F2F0853D1FF81C68207BE439B32CAC7F48550AEEBA217D9ABA8EB"
}, {
"right": "B5F8EF8C38635BBF2ABEBA6921C7A97FE4D20F6422F4C1782119E4CE46C932CA"
}
],
"block_number": null,
"created_at": "2018-12-20 11:01:03",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x1669a865449f90d9f89f8f99ba70bf131165666b8092c9bf024f36f614d9edfc",
"prefix": "53363583",
"hash": "AFE9B2C149EB2F7152EE6D2B906A8C3F0B813DF62B447356F8695E83381CDC1E",
"hash_method": "SHA256",
"siblings": [
{
"right": "59CE30E747B9180ED2D98BCD9EE5A7B65E0C499658251EFD1214A8B71C7D8565"
}, {
"right": "C43FD5E42E4125FEDC06FE99FDD4D307FE0B2F0980D49219E0F960FDC05477E3"
}, {
"left": "4550F934BB21DE7CD062B566EEDFD2D4A806C7E33F64B523186147E0029C69F8"
}, {
"left": "F48F98D55F620B08F5B6157A9376FD4D38707BAB3613F6C6E9F2F61F9BB0C537"
}, {
"left": "F1C16E4FCDA5A4230100ED7E41EF947CC41410ADB117B432E9C1BE83EA2C3F57"
}, {
"left": "31DFC33B33FE68563D91923223A2CFE9C7586EBF6658BBAA972D5208257A44F0"
}, {
"right": "1B80DA9F48BB8C6CD45CCFFF0B1618CF86FF0AA0DE19D884D5581E3261CFAF01"
}, {
"left": "078D7D46C357FA46D666B3596F40374EA13CC3E033886CA0671384B397715CAC"
}, {
"right": "00C2BE07D4BAC186D119F7949670F061FA94F6EA92FDE2254F423C068BE985AD"
}
],
"block_number": null,
"created_at": "2018-12-24 19:16:22",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x17ac9b7d9258c9710c5c5c00322ef37e2d8af1d4275acdabf4f952be13612dbc",
"prefix": "53363583",
"hash": "3D7ED5FFA8F1569B1F7BFB3AD18E8F117C1D265F27CB90D5C81C81BB56EF4AF7",
"hash_method": "SHA256",
"siblings": [
{
"right": "39C81AE10E2628A584B45F16345E69B712FD44014923D312A31AD562462A439F"
}, {
"left": "00FDE36648DC96342629436A248366481F2DF900F93393101F38F2179139FEC1"
}, {
"right": "DC4B920A909BCAE93353B1BFF3F6129A45CB61874E2C06423F9DA81F3EFE694A"
}, {
"left": "EE22EF7AA0816130331147629EFCC4FD1DACE3831DC72FD2914BA30914993F38"
}, {
"right": "EBDD471D54F2BAE18607F859CE0BB355DB78DB8757A05288EBC152B79E81C295"
}
],
"block_number": null,
"created_at": "2019-01-10 18:53:19",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x692f29dca4d4e68c494460aad0828f2eca613c193a426eaabaa2320758e54382",
"prefix": "53363583",
"hash": "40FB5CD69F296B45F03EB7401FF51ABF98F1AA21FDF8C0C6EFBD6D4D262E73E7",
"hash_method": "SHA256",
"siblings": [
{
"left": "7589CC485FDB184D6363BCB400CA01BA60BC7934ABC88E2B1D3A4FBFDF403B24"
}, {
"right": "589451A7ABDA8153D54E3EB041DCA6974977E36184CC94502D1B7881EAAE7C7D"
}, {
"left": "251ED74B67DFC304BA6AB99D503075E9A21A6C92B4DE3D55BE819C8EE50F1B88"
}, {
"left": "093E85DE60622CEA22425B1945519D12D730B0EAF749C6B393858CD94BCBFC5A"
}
],
"block_number": null,
"created_at": "2019-01-12 02:56:12",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x795ccf601ad24cdab84249c508061290ff0fb299ce48d0efbbb61348fde3586a",
"prefix": "53363583",
"hash": "B201DD37CB50E6D01DCFBB7F9577CD5FDE49B440D77F753A8D489A62C3D3CAA3",
"hash_method": "SHA256",
"siblings": [
{
"right": "13A05EB9A2BFB4D965243BE14250F4AA722F7F572872077832617FC7AB24EAA3"
}, {
"right": "033FD9A44C9AC44466066F6C883AA1331A45D63A6AED0C6070E303DA778BD7D3"
}, {
"left": "8073795668B5CB53170C3EA7FF9404A248060B37DB4A686C85CC97BBCA2A6C75"
}, {
"left": "CF1463B7F21D91BBAFEDE66CE2206728894D268D890771E64865A5E2AE4CACEB"
}, {
"left": "F66095A6991ECE0754EA7A764FAF1A64BFD3A770178BFE26C37653A21DC9E81A"
}, {
"right": "B768C2DB268E1AF915EFA13239A2905EFE69B98DDB47C608F5BF33356639A857"
}, {
"right": "8A1CCFDA609CD5E159D0E2B5A1566444B0FC3B88E8760A08E5E6F68B96759261"
}, {
"right": "9344740172343BC0F83DADB8DBB7B34FEA30A2AD0984D6B67E8FA94848005875"
}
],
"block_number": null,
"created_at": "2019-01-14 18:00:04",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x4498da320e5b06bae0264b3672422afc222d79070a59290a91e7f1e6bf01ef35",
"prefix": "53363583",
"hash": "08D9BC06533437582D3DF72E1F41DC1B441140570B6B7D6B2B3E0FAA427E6911",
"hash_method": "SHA256",
"siblings": [
{
"right": "78B647D320BFDFCE2DCE6552C9052AF1F1DB95B08009C11851CA4F6A1C71AEAC"
}, {
"right": "0F81AB69BA8E0659CDBE1C1569AF962FA47977903A3BEA26B92C8807E826E16C"
}, {
"left": "383DF183C5CCF43B0391CC7A7A8BAE4DFF101FBCBB52D590346EA7EB8A509A4C"
}, {
"right": "B8BBAC017DCE7BA905EEA8F90F8D41C67319C65820F2E737FEC2477896BB2B25"
}, {
"left": "46443AD899EBC5DCBBF2A80E60FB26D9D19E0BBB9FD9D574D0CC55AF8EE62A96"
}, {
"right": "71D00A63D96533F420B8F2000F3CFEB9DC056557F435173B6E86725AD70C0E65"
}, {
"right": "2A5A43DC8A51B1B03849CCC8D0A9629FE07AA7239302BC799882B96D8AE68D27"
}
],
"block_number": null,
"created_at": "2019-01-17 01:12:13",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x674f99c1df0e398b363f49a8d56297cc50ff5f3f5dac3af8ed89b0390bce348a",
"prefix": "53363583",
"hash": "17E296EFA3756F75792CE9AE41D157312D289BF0DEFEFF87442E04DEE1A225EA",
"hash_method": "SHA256",
"siblings": [
{
"right": "A285F31A87B135F95C70C6504569CA7B4DB5AD6CD5189F4279853C2E0187328F"
}, {
"right": "73306B02E2A5576B455FE2A5AE86B4775356A7006CFF2710D4F3797EE4D207B7"
}, {
"left": "6E06668038EDD09D8AC66E61084570BCDB49FC3C949E670453AA43C06A485A7B"
}, {
"right": "80B50B407A1E1B8FD8DDEE59C87F40A6BE8C0774A987A05AAC17C75558972385"
}
],
"block_number": null,
"created_at": "2019-01-18 21:23:03",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}, {
"id": "0x6274e8065697c7941d98c575d7638216c343e66c8346aa8622a74e0b363dc902",
"prefix": "53363583",
"hash": "D1AC97BE5304F53391D40C750B7DE2FDBF434962F42975D1028C758C75B048A1",
"hash_method": "SHA256",
"siblings": [
{
"left": "597D2755CC21D8F3C3BF29D0F00483F249336D07424BD5CB96A839F4A9839916"
}, {
"right": "2F8D546C5502E78A056AFB0B38F727E3EDF9C978B475D19FBE3A5B392A3BF26C"
}, {
"right": "864463C061C64910708C00073AB11544EB72911453B5D474716C737409FB198A"
}, {
"right": "5D55C92E4762666C2CE80546A8D56060840861E78D2880EDB5529281C8DD3E98"
}
],
"block_number": null,
"created_at": "2019-01-25 05:52:23",
"confirmed_at": null,
"status": "pending",
"confirmations": null
}
]
}
},
"content_decoded": {
"title": "Cu00f3mo evitar crear un monstruo de machine learning",
"content": "u00daltimamente es fu00e1cil encontrar miles de programas, servicios, anuncios o lo que sea vendiendo, o prometiendo vender, Inteligencia Artificial aplicado a lo que sea. Obviamente las palabras de moda atraen, impresionan, venden, pero realmente u00bfquu00e9 estamos comprando? Bueno, antes que nada, empecemos con el tweet mu00e1s atinado que ha salido en los u00faltimos meses sobre el tema.\r\n\r\nDifference between machine learning and AI:\r\nIf it is written in Python, it's probably machine learning\r\n\r\nIf it is written in PowerPoint, it's probably AI\r\n\r\nu2014 Mat Velloso (@matvelloso) November 23, 2018\r\n\r\n(u201cDiferencia entre Machine Learning e Inteligencia Artificial:u00a0Si estu00e1 escrito en Python, probablemente sea Machine Learning.u00a0Si estu00e1 escrito en PowerPoint, probablemente sea Inteligencia Artificial.u201d)u00a0Mat Velloso (Asesor tu00e9cnico de Satya Nadella, CEO de Microsoft)\r\nEsto nos habla sobre la precauciu00f3n que debemos tener cuando alguien nos viene a vender Inteligencia Artificial. Entonces demos dos pasos atru00e1s y hablemos de Machine Learning, ya que por el momento esto es mucho mu00e1s u201crealu201d.\r\nu00bfQuu00e9 es Machine Learning?\r\nLa forma mu00e1s simple de definirlo es; el conjunto de algoritmos que las mu00e1quinas usan para mejorar su desempeu00f1o. Bu00e1sicamente es u201cla habilidad de una computadora de aprender sin ser explu00edcitamente programadau201d.\r\n\r\nPor supuesto que no voy a negar los beneficios de Machine Learning, yo lo amo y todos los du00edas lo intento aprender, pero es importante saber que hay ciertas limitaciones. \r\n\r\nSigamos con otro tweet:\r\n\r\nThis is a cautionary allegory about machine learning. https://t.co/8jNhSRg5YW\r\nu2014 Kyle Byers (@Kyle_Byers) September 15, 2018\r\n\r\n\r\nYa no voy a estar traduciendo tweets, es 2018.\r\n\r\nSin entrar mucho en detalle, y a manera muy simplificada, el tweet deja muy claro quu00e9 puede pasar cuando alimentamos nuestro algoritmo con los datos equivocados, ya sea sin querer o con toda la intenciu00f3n. Y es aquu00ed donde empieza todo el problema, ya que en Machine Learning la computadora depende de la calidad de los data sets que usa para aprender y, sobre todo, depende del humano que hace la programaciu00f3n.\r\n\r\nu00bfCu00f3mo sabemos cuu00e1les son los datos equivocados o si estu00e1n incompletos? o peor au00fan, u00bfquu00e9 tal si los datos nos alejan del objetivo al que queremos llegar? Y al final, no su00f3lo son los datos, sino quu00e9 peso le damos a cada uno de esos datos.\r\n\r\n"La verdadera cuestiu00f3n de seguridad, si quiere llamarse asu00ed, es que si les damos a estos sistemas datos sesgados, estaru00e1n sesgados".\r\n\r\n-John Giannandrea\r\n\r\nActualmente hay muchos casos donde estos sesgos han causado problemas: El analizador de sentimiento de Google pensando que ser gay es malo (aquu00ed el problema son los datos con los que se alimenta). Las aerolu00edneas separando familias para que tengan que pagar mu00e1s para poder sentarse juntos (aquu00ed es cuando tu empresa se enfoca mu00e1s en las ganancias que en los clientes). Los algoritmos que intentan predecir futuros cru00edmenes (aquu00ed creo que todo estu00e1 mal).\r\n\r\nAhora veamos algunas limitaciones o problemas un poco mu00e1s enfocado en nuestro lado del negocio:\r\nRetenciu00f3n vs adquisiciu00f3n.\r\nHemos encontrado una gran variedad de servicios que se dedican a optimizar campau00f1as digitales utilizando Machine Learning basado en los resultados de estas mismas. Adicionalmente van creado audiencias usando los subsegmentos que van teniendo el mejor desempeu00f1o. Esto mejora pru00e1cticamente todos los KPIs que tenemos a disposiciu00f3n; tasa de rebote, tiempo de sesiu00f3n, pu00e1ginas por sesiu00f3n, tasa de conversiu00f3n y costo por conversiu00f3n. Toda una maravilla. Sin embargo, hay un problema; esto en su gran mayoru00eda optimiza a retenciu00f3n. Estos subsegmentos que funcionan mejor en las campau00f1as son, por lo general, clientes que ya nos han comprado anteriormente y que muchas veces u00edbamos a tener esa venta independientemente del anuncio.\r\n\r\nUtilizar este mu00e9todo nos hace increu00edblemente efectivos, pero no eficientes. Y al final, esto no es culpa del servicio contratado, ellos estu00e1n haciendo el trabajo que se les encargo con los datos a los que tienen acceso. Esto es un problema de silos de informaciu00f3n donde alguien encargado de optimizar no tiene acceso al panorama completo.\r\n\r\nImaginemos ahora ese mismo algoritmo con un objetivo mucho mu00e1s completo, no su00f3lo optimizar las campau00f1as con base en conversiones, sino optimizar campau00f1as con base en conversiones manteniendo siempre un balance entre retenciu00f3n y adquisiciu00f3n.\r\nPareto; Costo, calidad y tiempo.\r\nUno de los casos mu00e1s sonados sobre discriminaciu00f3n racial en un algoritmo es la herramienta COMPAS. Esta herramienta intenta predecir quu00e9 tan probable es que una persona que ha cometido un crimen vuelva a cometer otro en el futuro. Independientemente del debate sobre si la herramienta es efectiva, eficiente y/o racista o no, es el tema de cuu00e1ntas caracteru00edsticas utiliza para hacer su predicciu00f3n. COMPAS es una herramienta compleja que usa 137 caracteru00edsticas para predecir si alguien va a reincidir. Lo curioso es que utilizando una regresiu00f3n logu00edstica y su00f3lo 7 caracteru00edsticas se obtuvo la misma precisiu00f3n en la predicciu00f3n. Y, curiosamente, utilizando su00f3lo 2 caracteru00edsticas se podu00edan aproximar mucho al resultado.\r\n\r\nRecordando la frase de u201ctodos los modelos estu00e1n mal, la pregunta pru00e1ctica es u00bfquu00e9 tan mal tienen que estar para no ser u00fatiles?u201d nos podemos dar cuenta que utilizar una herramienta o un servicio parecido a COMPAS puede llegar a ser un desperdicio de tiempo y dinero. Muchas veces con 20% del esfuerzo puedes llegar al 80% o inclusive 99% de los resultados.\r\n\r\nSe puede debatir que hay una discusiu00f3n moral sobre el utilizar 137 o 1,000 caracteru00edsticas para mejorar COMPAS (aunque eleve exponencialmente el costo) si eso ayuda a que por lo menos una persona mu00e1s no sea acusada equivocadamente, pero eso es otro tema.\r\nu00bfEntonces, quu00e9 soluciones hay?\r\nEn todas las metodologu00edas para proyectos de datos, el primer y el segundo paso siempre son los mismos; entender el negocio y entender los datos.\r\n\r\nPrimero, asegu00farate que tu00fa como empresa sabes exactamente quu00e9 es lo que necesitas y quu00e9 informaciu00f3n tienes disponible.\r\n\r\nSegundo, si quieres contratar un servicio que use cualquier tipo de inteligencia o tecnologu00eda en datos asegu00farate de que entiendan tu negocio, tu marca, tus servicios, tus metas, a tus clientes, y tus datos. Y asegu00farate que tengan acceso y entiendan todos los datos que necesiten.\r\n\r\nSiempre recuerda que un modelo decente con los datos correctos es mejor que un gran modelo con los datos incorrectos.\r\n\r\nconcerned parent: if all your friends jumped off a bridge would you follow them?\r\nmachine learning algorithm: yes.\r\nu2014 Computer Facts (@computerfact) March 15, 2018",
"url": "https://www.goodrebels.com/es/como-evitar-crear-un-monstruo-de-machine-learning/",
"authors": [
"Juan Pablo Rubio"
],
"origin": "WP Blockchain",
"format": "wpblockchain"
},
"content": "{"title":"C\u00f3mo evitar crear un monstruo de machine learning","content":"\u00daltimamente es f\u00e1cil encontrar miles de programas, servicios, anuncios o lo que sea vendiendo, o prometiendo vender, Inteligencia Artificial aplicado a lo que sea. Obviamente las palabras de moda atraen, impresionan, venden, pero realmente \u00bfqu\u00e9 estamos comprando? Bueno, antes que nada, empecemos con el tweet m\u00e1s atinado que ha salido en los \u00faltimos meses sobre el tema.\r\n\r\nDifference between machine learning and AI:\r\nIf it is written in Python, it's probably machine learning\r\n\r\nIf it is written in PowerPoint, it's probably AI\r\n\r\n\u2014 Mat Velloso (@matvelloso) November 23, 2018\r\n\r\n(\u201cDiferencia entre Machine Learning e Inteligencia Artificial:\u00a0Si est\u00e1 escrito en Python, probablemente sea Machine Learning.\u00a0Si est\u00e1 escrito en PowerPoint, probablemente sea Inteligencia Artificial.\u201d)\u00a0Mat Velloso (Asesor t\u00e9cnico de Satya Nadella, CEO de Microsoft)\r\nEsto nos habla sobre la precauci\u00f3n que debemos tener cuando alguien nos viene a vender Inteligencia Artificial. Entonces demos dos pasos atr\u00e1s y hablemos de Machine Learning, ya que por el momento esto es mucho m\u00e1s \u201creal\u201d.\r\n\u00bfQu\u00e9 es Machine Learning?\r\nLa forma m\u00e1s simple de definirlo es; el conjunto de algoritmos que las m\u00e1quinas usan para mejorar su desempe\u00f1o. B\u00e1sicamente es \u201cla habilidad de una computadora de aprender sin ser expl\u00edcitamente programada\u201d.\r\n\r\nPor supuesto que no voy a negar los beneficios de Machine Learning, yo lo amo y todos los d\u00edas lo intento aprender, pero es importante saber que hay ciertas limitaciones. \r\n\r\nSigamos con otro tweet:\r\n\r\nThis is a cautionary allegory about machine learning. https:\/\/t.co\/8jNhSRg5YW\r\n\u2014 Kyle Byers (@Kyle_Byers) September 15, 2018\r\n\r\n\r\nYa no voy a estar traduciendo tweets, es 2018.\r\n\r\nSin entrar mucho en detalle, y a manera muy simplificada, el tweet deja muy claro qu\u00e9 puede pasar cuando alimentamos nuestro algoritmo con los datos equivocados, ya sea sin querer o con toda la intenci\u00f3n. Y es aqu\u00ed donde empieza todo el problema, ya que en Machine Learning la computadora depende de la calidad de los data sets que usa para aprender y, sobre todo, depende del humano que hace la programaci\u00f3n.\r\n\r\n\u00bfC\u00f3mo sabemos cu\u00e1les son los datos equivocados o si est\u00e1n incompletos? o peor a\u00fan, \u00bfqu\u00e9 tal si los datos nos alejan del objetivo al que queremos llegar? Y al final, no s\u00f3lo son los datos, sino qu\u00e9 peso le damos a cada uno de esos datos.\r\n\r\n\"La verdadera cuesti\u00f3n de seguridad, si quiere llamarse as\u00ed, es que si les damos a estos sistemas datos sesgados, estar\u00e1n sesgados\".\r\n\r\n-John Giannandrea\r\n\r\nActualmente hay muchos casos donde estos sesgos han causado problemas: El analizador de sentimiento de Google pensando que ser gay es malo (aqu\u00ed el problema son los datos con los que se alimenta). Las aerol\u00edneas separando familias para que tengan que pagar m\u00e1s para poder sentarse juntos (aqu\u00ed es cuando tu empresa se enfoca m\u00e1s en las ganancias que en los clientes). Los algoritmos que intentan predecir futuros cr\u00edmenes (aqu\u00ed creo que todo est\u00e1 mal).\r\n\r\nAhora veamos algunas limitaciones o problemas un poco m\u00e1s enfocado en nuestro lado del negocio:\r\nRetenci\u00f3n vs adquisici\u00f3n.\r\nHemos encontrado una gran variedad de servicios que se dedican a optimizar campa\u00f1as digitales utilizando Machine Learning basado en los resultados de estas mismas. Adicionalmente van creado audiencias usando los subsegmentos que van teniendo el mejor desempe\u00f1o. Esto mejora pr\u00e1cticamente todos los KPIs que tenemos a disposici\u00f3n; tasa de rebote, tiempo de sesi\u00f3n, p\u00e1ginas por sesi\u00f3n, tasa de conversi\u00f3n y costo por conversi\u00f3n. Toda una maravilla. Sin embargo, hay un problema; esto en su gran mayor\u00eda optimiza a retenci\u00f3n. Estos subsegmentos que funcionan mejor en las campa\u00f1as son, por lo general, clientes que ya nos han comprado anteriormente y que muchas veces \u00edbamos a tener esa venta independientemente del anuncio.\r\n\r\nUtilizar este m\u00e9todo nos hace incre\u00edblemente efectivos, pero no eficientes. Y al final, esto no es culpa del servicio contratado, ellos est\u00e1n haciendo el trabajo que se les encargo con los datos a los que tienen acceso. Esto es un problema de silos de informaci\u00f3n donde alguien encargado de optimizar no tiene acceso al panorama completo.\r\n\r\nImaginemos ahora ese mismo algoritmo con un objetivo mucho m\u00e1s completo, no s\u00f3lo optimizar las campa\u00f1as con base en conversiones, sino optimizar campa\u00f1as con base en conversiones manteniendo siempre un balance entre retenci\u00f3n y adquisici\u00f3n.\r\nPareto; Costo, calidad y tiempo.\r\nUno de los casos m\u00e1s sonados sobre discriminaci\u00f3n racial en un algoritmo es la herramienta COMPAS. Esta herramienta intenta predecir qu\u00e9 tan probable es que una persona que ha cometido un crimen vuelva a cometer otro en el futuro. Independientemente del debate sobre si la herramienta es efectiva, eficiente y\/o racista o no, es el tema de cu\u00e1ntas caracter\u00edsticas utiliza para hacer su predicci\u00f3n. COMPAS es una herramienta compleja que usa 137 caracter\u00edsticas para predecir si alguien va a reincidir. Lo curioso es que utilizando una regresi\u00f3n log\u00edstica y s\u00f3lo 7 caracter\u00edsticas se obtuvo la misma precisi\u00f3n en la predicci\u00f3n. Y, curiosamente, utilizando s\u00f3lo 2 caracter\u00edsticas se pod\u00edan aproximar mucho al resultado.\r\n\r\nRecordando la frase de \u201ctodos los modelos est\u00e1n mal, la pregunta pr\u00e1ctica es \u00bfqu\u00e9 tan mal tienen que estar para no ser \u00fatiles?\u201d nos podemos dar cuenta que utilizar una herramienta o un servicio parecido a COMPAS puede llegar a ser un desperdicio de tiempo y dinero. Muchas veces con 20% del esfuerzo puedes llegar al 80% o inclusive 99% de los resultados.\r\n\r\nSe puede debatir que hay una discusi\u00f3n moral sobre el utilizar 137 o 1,000 caracter\u00edsticas para mejorar COMPAS (aunque eleve exponencialmente el costo) si eso ayuda a que por lo menos una persona m\u00e1s no sea acusada equivocadamente, pero eso es otro tema.\r\n\u00bfEntonces, qu\u00e9 soluciones hay?\r\nEn todas las metodolog\u00edas para proyectos de datos, el primer y el segundo paso siempre son los mismos; entender el negocio y entender los datos.\r\n\r\nPrimero, aseg\u00farate que t\u00fa como empresa sabes exactamente qu\u00e9 es lo que necesitas y qu\u00e9 informaci\u00f3n tienes disponible.\r\n\r\nSegundo, si quieres contratar un servicio que use cualquier tipo de inteligencia o tecnolog\u00eda en datos aseg\u00farate de que entiendan tu negocio, tu marca, tus servicios, tus metas, a tus clientes, y tus datos. Y aseg\u00farate que tengan acceso y entiendan todos los datos que necesiten.\r\n\r\nSiempre recuerda que un modelo decente con los datos correctos es mejor que un gran modelo con los datos incorrectos.\r\n\r\nconcerned parent: if all your friends jumped off a bridge would you follow them?\r\nmachine learning algorithm: yes.\r\n\u2014 Computer Facts (@computerfact) March 15, 2018","url":"https:\/\/www.goodrebels.com\/es\/como-evitar-crear-un-monstruo-de-machine-learning\/","authors":["Juan Pablo Rubio"],"origin":"WP Blockchain","format":"wpblockchain"}"
}
}