IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Inspección de resultados: Tus primeros pasos con TensorFlow Introducción La inspección de resultados es una etapa crucial en cualquier proyecto de inteligencia artificial (IA). En esta fase, validamos que nuestro modelo funcione correctamen…
Operaciones básicas con TensorFlow Introducción TensorFlow es una poderosa herramienta para construir y entrenar modelos de aprendizaje profundo. Para aprovechar al máximo sus capacidades, es crucial entender cómo trabajar con tensores y re…
Crear tensores: La base de TensorFlow Introducción En la carrera hacia dominar la creación, entrenamiento y despliegue de modelos de Deep Learning con TensorFlow, una de las etapas más cruciales es aprender a trabajar con tensores. Los tens…
CPU vs GPU: Preparar el entorno para TensorFlow Introducción Cuando se trata de entrenar modelos de Deep Learning, la elección entre usar un procesador de CPU o un procesador gráfico (GPU) puede tener un impacto significativo en el rendimie…
Compatibilidad de versiones: Preparar el entorno para TensorFlow Introducción Cuando trabajamos con frameworks como TensorFlow, la compatibilidad entre las diferentes versiones de Python y TensorFlow es crucial. El uso incorrecto de estas v…
Instalación con pip/conda: Preparar el entorno para TensorFlow Introducción La instalación de TensorFlow es un paso fundamental antes de comenzar a trabajar con Deep Learning. Aunque TensorFlow se puede instalar en varios ambientes, pip y c…
Ejecución Eager vs Grafos en TensorFlow Introducción En la arquitectura de TensorFlow, la ejecución eager y los grafos son dos enfoques fundamentales para realizar cálculos. Ambas son herramientas poderosas que permiten a los desarrolladore…
Grafos de cómputo Introducción En el ecosistema de Inteligencia Artificial (IA), TensorFlow se destaca como uno de los frameworks más utilizados para construir modelos de aprendizaje profundo. Una característica fundamental y poderosa en Te…