Pronósticos de Series de Tiempo: modelos AUTO-REGRESIVOS (AR)

¿Por qué mi Red Neuronal NO APRENDE?: las curvas de pérdida

¿Qué es el VALOR P? | Fundamentos de Ciencia de Datos

¿Qué es la ATENCIÓN en las Redes Transformer?

IMPORTANCIA DE LAS CARACTERÍSTICAS (feature importances) | Machine Learning

¿Qué son los GRÁFICOS DE RADAR? | Análisis de datos multivariado

¿Qué son y para qué sirven las EXPRESIONES REGULARES?

STABLE DIFFUSION ¡Explicado!

Suavizado Exponencial Simple ¡explicado! - Pronósticos de Series de Tiempo

¿Cómo APRENDEN las Redes Neuronales?

Las PRUEBAS DE HIPÓTESIS ¡explicadas!

¿Qué es la BÚSQUEDA SEMÁNTICA?

El CLUSTERING en el Machine Learning ¡EXPLICADO!

Tutorial: NORMALIZACIÓN de texto con TF-IDF

Tutorial: ¿cómo comparar gráficamente variables NUMÉRICAS Y CATEGÓRICAS en Python?

Tutorial: GRÁFICOS DE CAJA ("box plots") para visualizar datos en Python

TF-IDF ¡EXPLICADO!: pre-procesamiento de texto

Tutorial: ¿cómo AGRUPAR datos en Pandas? | Análisis de datos con Pandas

Tutorial: comparando gráficamente variables CATEGÓRICAS en Python | Visualización de datos

Tutorial: ¿cómo COMBINAR tablas en Pandas?

Tutorial: ¿cómo comparar gráficamente variables numéricas en Python? | Visualización de datos

¿Qué es una Red Convolucional 1D? - Redes Convolucionales 1D y Series de Tiempo (parte 2)

Tutorial: CLASIFICACIÓN BINARIA con Regresión Logística en Scikit-Learn

Tutorial: ¿Cómo funcionan los TOKENS en los Grandes Modelos de Lenguaje?

¿Cómo codificar de manera eficiente variables categóricas? | Tutorial PyTorch Embeddings

BASURA QUE ENTRA, BASURA QUE SALE: un concepto fundamental en el Machine Learning

¿Cómo detectar objetos con REDES TRANSFORMER? | Detection Transformer ¡EXPLICADO!

¿Qué son las FUNCIONES VALOR? (Aprendizaje por Refuerzo)

La CONVOLUCIÓN 1D - Redes Convolucionales 1D y Series de Tiempo (parte 1)

Tutorial: MICE para imputación de datos numéricos (manejo de datos faltantes)

Tutorial: ¿Cómo usar LLMs pre-entrenados desde Hugging Face?

Tutorial: ¿Cómo ALMACENAR y REUTILIZAR modelos en PyTorch?

Los TIPOS DE DATOS en Ciencia de Datos

Tutorial: CONTEO DE OBJETOS en imágenes usando YOLO

La POLÍTICA en el Aprendizaje por Refuerzo

Tutorial: ¿Cómo medir la calidad de los PRONÓSTICOS de Series de Tiempo? (RMSE, MAE, MAPE)

Tutorial: ¡SEABORN DESDE CERO!

GRAFOS DE CONOCIMIENTO + Grandes Modelos de Lenguaje

LOTES y ÉPOCAS al entrenar una Red Neuronal

El BOOTSTRAPPING ¡explicado!

DETECCIÓN DE ANOMALÍAS en imágenes industriales (parte 5): localización de las anomalías

El APRENDIZAJE POR REFUERZO vs. otros tipos de aprendizaje en el Machine Learning

Tutorial AMAZON CHRONOS: Series de Tiempo + Grandes Modelos de Lenguaje

Tutorial: métodos básicos de DETECCIÓN DE OUTLIERS

Los Grandes Modelos de Lenguaje MULTIMODALES

El PERCEPTRÓN ¡explicado! (demo interactivo)

La DISTRIBUCIÓN GAUSSIANA (o Normal) ¡EXPLICADA!

DETECCIÓN DE ANOMALÍAS en imágenes industriales (parte 4): transferencia de aprendizaje

DETECCIÓN DE ANOMALÍAS en imágenes industriales (parte 3): detección de anomalías

DETECCIÓN DE ANOMALÍAS en imágenes industriales (parte 2): el autoencoder convolucional

DETECCIÓN DE ANOMALÍAS en imágenes industriales (parte 1): el problema a resolver y los datos

Tutorial: ¡HUGGING FACE DESDE CERO!

¿Qué es una DISTRIBUCIÓN DE PROBABILIDAD? | Fundamentos de Ciencia de Datos

Tutorial: PRONÓSTICOS SOBRE SERIES DE TIEMPO con Darts y Redes Neuronales

La DISCRETIZACIÓN explicada | Fundamentos de Machine Learning

¡La IA GENERATIVA explicada!

Tutorial: ¿cómo leer datasets de imágenes con PyTorch?

¿Por qué se usa la ENTROPÍA CRUZADA en las REDES NEURONALES?

CORRELACIÓN = CAUSALIDAD: un error muy común en Ciencia de Datos

La MATRIZ DE CORRELACIÓN ¡EXPLICADA!