AMAT

𝑨𝒍𝒂𝒏 𝑻𝒖𝒓𝒊𝒏𝒈
Nació el 23 de junio de 1912 en Maida Vale, Londres, en una Inglaterra que todavía no sabía que el siglo XX iba a necesitar matemáticos capaces de pensar como relojeros, espías y herejes al mismo tiempo.

Su historia no empieza con una máquina brillante ni con un laboratorio lleno de cables. Empieza con una pregunta seca, casi cruel: ¿qué puede calcularse realmente?
En 1936, Turing publicó On Computable Numbers, el texto donde imaginó una máquina abstracta capaz de leer símbolos, seguir instrucciones y ejecutar operaciones paso a paso. No era una computadora física. Era peor: era la idea desnuda de una computadora antes de que el mundo tuviera muebles suficientes para poner una encima.

A esa criatura mental hoy la llamamos máquina de Turing. Con ella, el cálculo dejó de ser solo una tarea humana y se convirtió en un territorio matemático: lo computable, lo no computable, lo que una máquina puede perseguir y lo que ninguna cantidad de cables, memoria o velocidad podrá resolver si el problema está fuera de lo computable.

Pero reducir a Turing a “el padre de la computadora” sería cómodo y peligroso. La historia real tiene más gente en la sala. Alonzo Church trabajó de forma independiente en la computabilidad. Los matemáticos polacos Marian Rejewski, Jerzy Różycki y Henryk Zygalski abrieron camino contra Enigma antes de Bletchley Park. Gordon Welchman fue crucial en la mejora de la Bombe británica. La ruptura de Enigma no fue obra de un genio encerrado en una habitación: fue una red de cerebros, máquinas, intuiciones y noches bastante mal dormidas.

Turing fue una pieza decisiva de esa red. En Bletchley Park ayudó a atacar los mensajes cifrados de Enigma, no con magia, sino con una mezcla de lógica, probabilidad, ingeniería y paciencia feroz. Después diseñó ideas para computadoras de propósito general, como la ACE. En 1950 se metió con otra bestia: la inteligencia artificial. En lugar de discutir eternamente qué significa “pensar”, propuso observar si una máquina podía sostener un intercambio escrito difícil de distinguir del humano. De ahí salió el famoso juego de imitación.

Y cuando parecía que su territorio era solo el cálculo, volteó hacia la biología. En 1952 publicó un trabajo sobre morfogénesis: cómo ciertos patrones naturales —manchas, rayas, formas— podían surgir de interacciones químicas. Turing miró la piel de la naturaleza como si también escondiera una gramática.

Hay detalles que lo vuelven todavía más humano: encadenaba su taza para que no se la robaran, pedaleaba con máscara antigás para protegerse de la alergia y trabajó en Delilah, un proyecto secreto de cifrado de voz. Un hombre capaz de pensar el futuro digital y, al mismo tiempo, pelearse con problemas muy terrestres. La genialidad también tiene alergias, manías y pequeños rituales de supervivencia.

Su vida terminó marcada por una injusticia brutal. En 1952 fue condenado por su homosexualidad bajo las leyes británicas de la época. El Estado que se benefició de su inteligencia terminó castigando su existencia. Recibió un perdón póstumo hasta 2013. Tarde, como suelen llegar las disculpas cuando la historia ya hizo daño.

Turing importa porque ayudó a darle forma a una de las preguntas centrales de nuestro tiempo: qué puede hacer una máquina cuando el pensamiento se vuelve instrucción. Sin él, la computación habría avanzado, sí; la historia rara vez depende de una sola persona. Pero habría perdido una de sus imágenes más limpias, una de sus mentes más incómodas y una de sus brújulas más precisas.

Alan Turing no pertenece solo a la historia de las computadoras. Pertenece a esa zona donde la matemática deja de ser papel y empieza a modificar la realidad. Su vida recuerda algo que conviene no olvidar: a veces el futuro no llega con ruido de revolución, sino con alguien sentado frente a una idea imposible, preguntándose hasta dónde puede obedecer una máquina.

Un modelo predictivo no falla únicamente por el algoritmo.

Falla cuando los datos llegan sucios.
Falla cuando las variables no explican nada.
Falla cuando se entrena sin separar bien la muestra.
Falla cuando nadie compara métricas antes de tomar decisiones.

En Ciencia de datos y Machine Learning: IA: Aprendizaje Supervisado con R y Python, construyes el flujo completo: desde la comprensión del problema y la preparación de datos, hasta el entrenamiento, evaluación y comparación de modelos supervisados.

Trabajarás con herramientas clave como R, Python, Positron, Tidymodels y Scikit-learn, además de modelos como regresión lineal, regresión logística, KNN, árboles de decisión y Random Forest.

Porque en análisis predictivo, el valor no está en correr modelos.
Está en saber cuándo confiar en ellos.

La ruta de la Society of Actuaries (SoA) ordena la formación actuarial alrededor de exámenes internacionales que evalúan probabilidad, matemáticas financieras, fundamentos actuariales, modelación del riesgo y análisis predictivo.

Cada examen mide una parte distinta del perfil actuarial: desde la lectura de la incertidumbre hasta la toma de decisiones con impacto financiero.

En AMAT contamos con cursos de preparación online en vivo para exámenes SoA:
Exam P | FM | FAM | SRM
🔗 https://www.amat.mx/cusos-soa

Una formación estructurada para avanzar con claridad, práctica y dominio técnico.

¿Estás preparando tu ruta SoA?
Escríbenos y te orientamos según el examen que quieres presentar.