18 - Codificador posicional | Transformer

17 - Linear y Softmax | Transformer

16 - Add & Norm | Conexión residual y Normalización

15 - Decodificador | Transformer

14 - Atención Multicabezal | Transformer Multi-Head Attention

13 - Auto Atención, Codificador | Transformer

12 - Transformer | Introducción

11 - Problemas con la Red Neuronal Recurrente (RNR)

10 - Puntuación de Alineación y Vector de Contexto | Mecanismo de Atención

9 - Mecanismo de Atención en Profundidad | Codificador-Decodificador RNR

8 - Aclaraciones Sobre Redes Neuronales Recurrentes

7 - Red Neuronal Recurrente | Breve historia de Secuencia a Secuencia

6 - Mecanismo de Atención | Introducción

5 - Codificador Decodificador | Red Neuronal Recurrente

4 - Red Neuronal Recurrente | Introducción Modelos Secuencia a Secuencia

3 - Word2Vec | ¿Qué es un embedding?

2 - ¿Qué es un embedding? | De palabras a vectores

1 - Desvelando GPT | Introducción al curso de Transformer

ChromaDB en la nube | Despliega con AWS + ChromaDB + EC2

ChromaDB y ChatGPT | Primeros Pasos y Despliegue en Local con Docker

Pinecone y ChatGPT | Tutorial Base de Datos Vectorial desde 0, PreguntaPDF Parte 2

13 - SageMaker y MLOps | Capítulo Final

12 - Limpieza del Entorno de Trabajo en SageMaker

11 - Despliegue Avanzado de Modelos | Modelo en la Sombra y Modelos Paralelos

10 - Dominando la Optimización de Hiperparámetros con SageMaker | Búsqueda en Cuadrícula en Detalle

9 - Inferencia con SageMaker | Aprendizaje Automático en la Nube

8 - Despliega con Sagemaker | Lleva tus Modelos a Producción

7 - Cómo Entrenar un Modelo de Aprendizaje Automático | SageMaker en Acción

6 - Recolección de Datos en SageMaker | Estrategias y Herramientas

5 - Domina SageMaker | Configura tu Notebook Instance Paso a Paso

4 - Introducción a Sagemaker en AWS | Tu Puerta de Entrada al Aprendizaje Automático en la Nube

3 - Potencia tu Aprendizaje Automático en la Nube: Estrategias y Beneficios

2 - Optimiza tu Flujo de Trabajo de Aprendizaje Automático con MLOps

1 - MLOps al descubierto | Proceso Lineal vs Iterativo

7 - El Poder de Hugging Face | Conclusión y Resumen

6 - Inference API y Endpoints de Hugging Face | Conectando el Futuro

5 - Despliega con Hugging Face | Spaces

4 - Fine tune de un modelo de lenguaje con Hugging Face

3 - Transformers Bookstore | Master the Magic of Hugging Face

2 - Exploring Hugging Face | Platform Immersion

1 - Hugging Face: The Platform That Is Transforming AI

51 - Cerrando el Capítulo: Curso de Análisis de Datos con Python

50 - Aprendizaje Automático (Supervisado y No Supervisado), Regresión Lineal y Logística | Resumen

49 - Entrenamiento de un modelo de aprendizaje automático | ¿Proceso lineal o iterativo?

48 - Dominando la Matriz de Confusión | Python, Scikit Learn, Accuracy, Precision y Recall

47 - Dominando la Matriz de Confusión | Exactidud, Precisión, Exhaustividad

46 - Dominando la Regresión Logística con Python | Solución del Taller

45 - Dominando la Regresión Logística con Python | Introducción al taller

44 - Regresión logística en detalle | ¿Por que se llama regresión si es una clasificación?

43 - Estimación por Máxima Verosimilitud

42 - Regresión logística, predicciones | Python, solución del taller (2/2)

41 - Regresión logística | Python, solución del taller (1/2)

40 - Regresión Logística | Python, introducción al taller

39 - Descifrando los Resultados de la Función Sigmoide: Interpretación y Significado

38 - Introducción a la Función Sigmoide | ¿Chihuahua o Magdalena?

37 - Regresión Logística | Explorando los Límites de la Regresión Lineal para Clasificación

36 - Dominando el Arte de la Regresión | Resumen de Conceptos Clave

35 - Regresión polinomial: predicciones más allá de lo lineal | Grado superior

34 - ¿Qué es la ingeniería de características? Potencia tu análisis de datos

33 - Python | Ecuación normal en la regresión lineal