Árboles de decisión = el modelo que juega a las 20 preguntas. Así elige cada corte con impureza de Gini y por qué si crece sin límite termina memorizando (sobreajuste) + cómo frenarlo. #MachineLearning #DataScience #IA

Modelos de difusión en 3 pasos: 1) destruir una imagen con ruido mil veces, 2) entrenar una red para adivinar el ruido, 3) generar quitando ruido paso a paso. El paper: DDPM, Ho, Jain y Abbeel, Berkeley 2020. #IA #DeepLearning

PHP2Shell, en números 🧵

Dos fallas críticas en PHP (CVE-2026-109618 y CVE-2026-109619) permiten ejecutar código en un servidor sin iniciar sesión.

PHP corre en ~70% de los sitios web con lenguaje de servidor conocido.

Cuántos sitios están expuestos 👇

7/ La línea de tiempo:

• 17 oct: Amazon ve el primer intento de ataque en sus honeypots, 4 días antes del anuncio
• 20 oct: se filtran los CVE
• 21 oct: sale el parche y Cloudflare reporta los primeros ataques

Severidad: 9.2 en CVSS v4.

8/ Si tienes un sitio en PHP:

1. Revisa tu versión real con phpinfo()
2. Sube a 8.2 o más reciente
3. Confirma con tu hosting que ya tiene el parche
4. Si estás en 8.1 o menos, no hay release oficial

Actualizar es la única corrección completa.

¿Por qué XGBoost sigue dominando en datos tabulares frente a deep learning? La clave: árboles secuenciales que corrigen errores y optimizan el rendimiento con poco tuning. Boosting vs Random Forest y guía rápida de uso. #XGBoost #MachineLearning #DataScience

🛑 ALERT - Node2Shell RCE exploit works on an official Node.js build.

Researchers demonstrated how crafted Brotli data can trigger code execution through vulnerable Node.js applications, without modifying the runtime.

Here's how the exploit works: thehackernews.com/2026/10/resear…

Más helados, más ahogamientos (r = 0.70). ¿Prohibimos los helados? No: el calor mueve a los dos. Con la misma temperatura, la correlación baja a 0. Correlación no es causalidad. #Estadistica #DataScience

Si tu modelo da 99% de accuracy, puede estar haciendo trampa: data leakage. Ojo con columnas que “adelantan” el futuro y con preprocesado fuera del split. Cómo detectarlo y evitarlo en 60s. #DataScience #MachineLearning #MLOps

Un scraper real de 20 líneas de Python: requests + BeautifulSoup sacan 1000 libros de books.toscrape.com en 52 s. HTTP 200 → HTML → selector → pandas. Antes: revisa robots.txt y si hay API, úsala. #WebScraping #Python

Un solo conjunto de prueba puede engañarte: depende del azar del muestreo. Con k-fold validas en varios folds y reportas promedio + desviación para una evaluación más confiable. #MachineLearning #DataScience #KFold

¿Cuánto más ganas por estudiar un año más? La regresión simple dice 12 %, pero la habilidad omitida la infla. Con una variable instrumental (distancia a la universidad, David Card) baja a 8 %. Eso es econometría. #Econometria #DataScience

¿Por qué castigar la complejidad mejora la predicción? Error vs complejidad + Ridge (encoge coeficientes) vs Lasso (apaga variables) y cómo elegir λ con validación cruzada. #MachineLearning #DataScience #AI

Cómo funciona un RAG, con números reales: tu pregunta se vuelve vector, se compara por coseno y los 3 chunks más parecidos van al prompt. El 3º (home office, 0.45) ni habla de vacaciones: la búsqueda mide parecido, no entiende. #RAG #IA #LLM