Hernando Efrain Caicedo Ortiz

[Hernando Efrain Caicedo Ortiz @hecaicedo77]

Un nuevo artículo, con el Mtro Edgar Vásquez, parte de su Investihacion Doctoral sobre la digitalización, la Identidad Digital. @Anahuac_P @anahuac

[Alcaldes de México @AlcaldesMexico]

#DePuñoYLetra ✍️ | La digitalización, por sí sola, no borra desigualdades: puede hacerlas más visibles. Aquí aparece el gran desafío municipal, advierten Edgar Vásquez y @hecaicedo77
https://t.co/EoBfvbLtHv

[natalia. @natsenatt]

Buku grammar terlengkap yang aku pakai selama 7 tahun belajar bahasa Inggris. Kalian masih ada yang struggle sama tenses? Di sini lengkap banget, dari berbagai level, plus latihan!

Feel free to download it and print it out for your study :
https://t.co/B6fomf3iFJ

[Giuseppe Alessandro Veltri @gaveltri]

Qualitative Research in an Era of Artificial Intelligence: A Pragmatic Approach to Data Analysis, Workflow, and Computation - https://t.co/fXzQbwRLU7

[Kirk Borne @KirkDBorne]

A First Course in Causal Inference: https://t.co/nkfVTpyxQ0
[490-page PDF download]

+ Also see the book "Causal Inference in Statistics: A Primer" at https://t.co/LfQFmC0der by @yudapearl

#Probability #Mathematics #DataScience #ML #MachineLearning #DataScientist

[Qiao Jin, MD @DrQiaoJin]

📜 Glad to share our recent Nature Protocols tutorial: Guidance on the use of large language models for medical research: https://t.co/BMI3uybVip

🤖 While AI agents can automate many research workflows, these are often one-off applications. There remains a need to address recurring research tasks with reliable, reusable LLM-centric solutions.

🧪 Drawing from our experience developing LLM systems (e.g., TrialGPT) within and beyond NIH, we share lessons learned and organize the workflow into:
- Task formulation
- LLM selection
- Prompt engineering (including reasoning, FSL, RAG, and agentic tool using)
- Fine-tuning
- Deployment considerations

🙌 We hope this tutorial is helpful to the community. You can even give the full article to your favorite research agent as a skill or set of guiding principles for building LLM-based research systems.

🫂 Kudos to my wonderful collaborators: Nicholas Wan, Robert Leaman, Shubo Tian, Zhizheng Wang, Yifan Yang, Zifeng Wang, Guangzhi Xiong, Po-Ting Lai, Qingqing Zhu, Benjamin Hou, Maame A. Sarfo-Gyamfi, Gongbo Zhang, Aidan Gilson, Balu Bhasuran, Ph.D., Zhe He, PhD, FIAHSI, FAMIA, Aidong Zhang, Jimeng Sun, Chunhua Weng, Ronald M. Summers, Qingyu Chen, Yifan Peng, and Zhiyong Lu, PhD FACMI

[Kirk Borne @KirkDBorne]

"Solving Mathematical Problems: A Personal Perspective," by Terence Tao

╰┈➤https://t.co/jsZApXcdbO

Amazon summary: "Authored by the leading name in mathematics, this engaging and clearly presented text leads the reader through the various tactics involved in solving mathematical problems at the Mathematical Olympiad level. Covering number theory, algebra, analysis, Euclidean geometry, and analytic geometry, Solving Mathematical Problems includes numerous exercises and model solutions throughout. Assuming only a basic level of mathematics, the text is ideal for students of 14 years and above in pure mathematics."

[Kirk Borne @KirkDBorne]

Creativity in Large-Scale Contexts — Guiding Creative Engagement and Exploration: https://t.co/s2W8oZXwqr

[Carlos Sarraute @ch4rleston]

🐍 Structural Evolution of the Python Dependency Network

Happy to share that I will present this work at the International Conference on Social Computing (#ICSC) at the @UniofOxford, September 2–4, together with our work on “The Shrinking Globe.”

This is joint work with Juan Ignacio Catania, Mateo Guerrero Schmidt, Sofia Gutierrez, and Martina Rosario Pérez.

We study how the Python package ecosystem has evolved over nearly a decade by modeling package dependencies as a complex network and comparing two large-scale snapshots, from 2016 and 2025.

Our results reveal a massive expansion of the ecosystem accompanied by significant structural transformations:

🔹 The number of packages increased by more than an order of magnitude.

🔹 Dependencies grew even faster, revealing a clear densification of the network.

🔹 Average degree increased while modularity decreased, pointing toward a more interconnected ecosystem.

🔹 The most central packages changed substantially. While earlier stages were dominated by web-development and compatibility libraries, the current ecosystem shows data science, scientific computing, and testing packages emerging as structural hubs.

Overall, our findings suggest that the Python ecosystem is evolving toward a more interconnected architecture, following growth patterns observed in other complex networks, including densification and hub reorganization.

More broadly, the study shows how Network Science can help us understand the evolution, organization, and robustness of large technological ecosystems.

🙌 Thanks to my coauthors for their great work, and many thanks to Rodrigo Díaz @RDextrasolar and @ITBA for supporting my participation in this conference!

[Kirk Borne @KirkDBorne]

Fascinating textbook on Game Theory: https://t.co/giYoC8FVWY

"A Nontechnical Intro to the Analysis of Strategy" (3rd Ed.), covers N-person strategies, Nash Equilibria, auctions, bargaining, dominant strategies, Gamification, Behavioral Economics, Experimental Economics, etc.

[Juan Pablo Galeano R. @juangaleanorey]

Manual de Introducción a Claude:
Los primeros pasos para empezar a usar la IA que está cambiando la forma de trabajar.
Lalo Zanoni
https://t.co/SAWrN4EYNV

[Kirk Borne @KirkDBorne]

[Free 135-page PDF Download]

Python Machine Learning Projects: https://t.co/txdGjH4HQK
————
#DataScience #ML #DataScientist

[Estación R @estacion_erre]

[Tip de R - Recursos] - Le dimos una vuelta completa al Catálogo de Paquetes R de Latinoamérica 🛠️

El repositorio reúne paquetes de R creados por desarrolladoras y desarrolladores de la región: herramientas para trabajar con datos oficiales, mapas, encuestas, datos electorales, visualización, economía, bioinformática y más. Todo hecho en Latinoamérica, todo de código abierto.

¿En qué estuvimos trabajando? Había fricción para contribuir. Ahora el flujo es mucho más simple:

¿Cómo proponer un paquete?
1. Abrís un issue en GitHub con los datos del paquete, ahora guiado por una plantilla para que no se te olvide nada
2. Una automatización crea el PR por vos
3. Lo revisamos y mergeamos

Así de directo.

Y si lo que querés es explorar los paquetes que ya están, armamos una app donde podés filtrar por categoría, país y estado: ¡ya van 47 paquetes latinoamericanos, todo en un lugar!

📦 App: https://t.co/uEW6LFnF1d
🔗 Repo: https://t.co/lOiQDiOhTh

¿Tenés algún paquete que te gustaría sumar?

#rstatsES #RStats #OpenSource #Latinoamérica

[Rosana Ferrero 📈📊🙌 @RosanaFerrero]

Estadística para biólogos: una colección gratuita de Nature.
Consejos prácticos de estadística para ayudar a mejorar el rigor de su trabajo.

https://t.co/Cz7u3VJ9v6

#stats #datascience #Bioestadística #InvestigaciónCientífica #Biología #AnálisisDeDatos #analytics #dataviz

[Gerardo L. Munck @GerardoMunck]

Judea Pearl sobre la causalidad

Si no conocen los trabajos de @yudapearl sobre la causalidad, les recomiendo este libro.

Presenta de forma accesible sus influyentes ideas acerca de lo que llama "la nueva ciencia de la causa y el efecto."

[Mehmet Songur @mehmetsongur_]

Son olarak, doğrudan akademik araştırma yazılımlarına odaklanan Journal of Open Source Software (JOSS) var.

Burada standart makalelerden ziyade, kodun kendisi ve dokümantasyon hakemden geçiyor.

Yeni kütüphaneler ve araçlar keşfetmek için harika bir kaynak (OA)

https://t.co/mggDOlUuVT

[Oscar Arias @OACerebro]

Enjoy!

https://t.co/XPXzjSyZ2s

[Virginio Gallardo @virginiog]

Biblioteca Digital Pública Repositorio PDF Educación e Inteligencia Artificial

Recopilación de libros y revistas digitales para docentes y alumnos 1589 libros disponibles sobre la materia para descarga gratis 👇 https://t.co/sKbnbfw4zv RT
@JuanGaleanoP

[Kirk Borne @KirkDBorne]

Model to Meaning — How to interpret Statistical Models with R and Python: https://t.co/e9zukWxsG6
— Concrete workflows, task-specific software, and detailed case studies, presented using real-world data and code examples.

[Elena Llaudet @ellaudet]

Teaching R and stats to complete beginners using Data Analysis for Social Science (DSS)?

Just revised my syllabus — find it here: https://t.co/7uLuPAfSvR

New and improved self-graded review exercises coming soon — stay tuned! #rstats

[𝔸𝕦𝕝𝕒𝕤 𝕀𝕟𝕥𝕖𝕝𝕚𝕘𝕖𝕟𝕥𝕖𝕤 @AulasInteligent]

Interesante estudio de análisis bibliométrico para los interesados en la IA aplicada a educación superior.
El mapa de la literatura que incluyen muestra 4 zonas prinicipales: Procesos de aprendizaje y comportamiento del alumnado, Aceptación y uso de la tecnología, Aplicaciones y métodos de IA y Resultados educativos y evaluación.
Por otro lado, también resulta curioso observar una evolución temática, en la que en 2025–2026 ganan peso conceptos como carga cognitiva, aprendizaje autorregulado, aprendizaje adaptativo, learning analytics, feedback, rediseño de la evaluación, integridad académica...

[Federico Bernini @fgbernini]

Hay que empezar a hablar de estas cosas. Un paper reciente del Journal of Financial Economics encuentra que los que juegan usan dinero que hubieran ahorrado/invertido (y en los hogares de bajos ingresos, aumenta la deuda).

Link: https://t.co/2P1RlVqbhW