Elena Petrova
Ciencia de Datos
Elena escribe estudios de datos y benchmarks, y sobre la calidad de los datos recopilados: cómo medirla, depurarla y crear datasets que se sostengan.
Escribe sobre
- Estudios de datos y benchmarks
- Calidad de los datos
- Creación de datasets
Artículos de Elena Petrova
-
26 de octubre de 2026 · Conocimiento
Marketplaces y licencias de datos de entrenamiento para IA: cuándo comprar y cuándo recopilar
Cómo funcionan los marketplaces de datos de entrenamiento para IA y los acuerdos de licencia, cuánto te cuestan realmente los datos con licencia y un marco práctico para decidir cuándo comprar un conjunto de datos y cuándo recopilarlo tú mismo.
-
24 de octubre de 2026 · Conocimiento
Procedencia en el pipeline de entrenamiento de IA: cómo demostrar de dónde proviene tu conjunto de datos
Qué significa en la práctica la procedencia de los datos de entrenamiento de IA: el registro que hay que mantener para cada documento, qué pide el resumen de la Ley de IA de la UE y cómo llevarlo a cabo.
-
19 de octubre de 2026 · Scraping
Economía de los reintentos: el número de intento en el que reintentar deja de compensar
Cada reintento tiene menos probabilidades de éxito que el anterior. Cómo medir en qué punto reintentar deja de compensar, usando tus propios logs y unas líneas de Python.
-
15 de octubre de 2026 · Proxies residenciales
Entender la diversidad de ASN en redes de proxies residenciales
Un número elevado de IP dice poco si la mayoría de las direcciones se concentran en unas pocas redes. Cómo medir la diversidad de ASN en un pool de proxies, qué métricas utilizar y qué aspecto tiene un buen resultado.
-
11 de octubre de 2026 · Conocimiento
¿Los CAPTCHAs detienen a los bots o solo los ralentizan? Midiendo la disuasión frente a la tasa de resolución
Lo que dos décadas de investigación dicen sobre los CAPTCHAs: cuánto tiempo les cuestan a los humanos, con qué frecuencia los resuelven los bots y los agentes de IA, y por qué ahora funcionan como un coste.
-
8 de octubre de 2026 · Scraping
Eficiencia del payload: qué porcentaje de una página scrapeada es contenido superfluo que pagaste
Medimos 278 páginas de contenido de los 1.000 sitios principales. El texto que realmente quieres supone alrededor del 1% del HTML y una fracción mínima de lo que descarga un navegador.
-
7 de octubre de 2026 · Proxies residenciales
Shifter tiene ahora el mayor pool de IPs residenciales en vivo de EE. UU.
Hemos vuelto a probar Shifter en nuestro benchmark de proxies residenciales: 212,212 IPs en vivo de EE. UU. en 250,000 solicitudes, el mayor pool en vivo de EE. UU. de las 16 redes que hemos medido.
-
7 de septiembre de 2026 · Casos de uso
Cómo monitorizar precios y disponibilidad en Amazon.es, AliExpress y Temu
Amazon.es, AliExpress y Temu muestran precios, plazos y stock distintos según desde dónde se consulten. Así se recoge un dato de precio fiable para el mercado español.