IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Clases como contenedores de lógica Introducción En la programación orientada a objetos (POO), las clases son fundamentales para organizar y estructurar el código de manera modular y reusable. Especialmente en el contexto de la inteligencia …
Reproducibilidad Introducción La reproducibilidad es una característica crucial en cualquier proyecto de inteligencia artificial (IA) y ciencia de datos. Permite a otros investigadores, desarrolladores o incluso a nosotros mismos, replicar …
Guardar resultados de experimentos Introducción La serialización es una herramienta fundamental para guardar y restaurar datos en aplicaciones de inteligencia artificial (IA). Es particularmente útil cuando trabajamos con modelos complejos,…
pickle (riesgos y usos) Introducción La serialización, o marcar y desmarcar datos, es un proceso fundamental en la inteligencia artificial. Permite almacenar y recuperar objetos complejos de manera eficiente para su uso posterior. En Python…
Normalización básica Introducción La normalización es un paso crucial en la limpieza y preparación de datos para el análisis y el aprendizaje automático. El proceso consiste en transformar los datos a una escala o formato común, lo cual es …
Conversión de tipos: Limpieza de datos en Python puro Introducción En la limpieza de datos, una etapa crucial es convertir los tipos de datos de manera efectiva y precisa. La conversión de tipos permite asegurar que los datos estén en el fo…
Datos faltantes: Limpieza de datos en Python puro Introducción En la inteligencia artificial y la ciencia de datos, los datos son fundamentales. Sin embargo, no siempre contamos con datos completos para nuestro análisis o modelos. Los valor…
Lectura y escritura eficiente Introducción En el camino hacia la inteligencia artificial (IA), los datos son el combustible. Para manejar grandes volúmenes de datos, es fundamental entender cómo leer y escribir archivos de manera eficiente …