IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Clasificación, detección y segmentación: Navegando entre las tres formas de entender imágenes con visión por computadora Introducción La visión por computadora ha avanzado significativamente en los últimos años, transformando la forma en qu…
Flujo completo de un proyecto de IA Introducción En la era digital actual, los proyectos de inteligencia artificial (IA) y aprendizaje automático son esenciales para muchas industrias. Sin embargo, pasar de una idea a un modelo que funcione…
Evaluación y validación de modelos Introducción En el proceso de construir modelos de machine learning, la evaluación y validación son etapas cruciales que aseguran que nuestro modelo no solo se ajuste a los datos de entrenamiento, sino que…
Feature engineering Introducción Feature engineering es una de las etapas más cruciales en el flujo de un proyecto de machine learning (ML). Es la transformación y creación de características a partir de los datos originales para mejorar el…
MLOps: Pasos para la Transformación de Tu Proyecto de Machine Learning Introducción El campo del machine learning (ML) ha evolucionado a una disciplina que abarca no solo la construcción y entrenamiento de modelos, sino también el despliegu…
Deep Learning Introducción En el camino hacia convertirnos en expertos en ciencia de datos, es crucial expandir nuestro conocimiento y habilidades. Después de dominar los fundamentos del aprendizaje automático con Scikit-learn, llega la hor…
Machine Learning clásico avanzado Introducción El Machine Learning clásico avanzado es una etapa crucial para los programadores y cientistas de datos que desean profundizar en la comprensión y aplicación de técnicas más sofisticadas en sus …
Conclusiones razonadas: Evaluación y ajuste de tu modelo con Scikit-learn Introducción Después de haber preparado tus datos, entrenado un modelo y evaluado su rendimiento utilizando técnicas como validación cruzada y métricas adecuadas, es …