IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Versionado de modelos Introducción En el desarrollo de proyectos de machine learning, la capacidad de versionar y gestionar modelos es fundamental. La versión de los modelos permite rastrear cambios en el código, ajustes en hiperparámetros …
Separación de responsabilidades: Un pilar fundamental para proyectos de machine learning Introducción En el mundo del desarrollo de software, la separación de responsabilidades (SRP) es una práctica estandarizada que mejora la calidad y man…
Interpretación de los métodos de selección automática de features con scikit-learn Introducción La selección automática de características (o feature selection) es un paso crucial en el flujo de desarrollo de modelos de machine learning. Pe…
Recursive Feature Elimination Introducción En el ámbito de la Ciencia de Datos y Machine Learning, la selección automática de características (feature selection) es una etapa crítica para mejorar la eficacia y precisión de los modelos. En e…
SelectKBest: Una guía práctica para la selección automática de características con Scikit-learn Introducción La selección automática de características es una técnica fundamental en el preprocesamiento de datos para modelos de machine learn…
Integración en pipelines Introducción La integración de transformadores personalizados en pipelines es una práctica fundamental en la ciencia de datos y la inteligencia artificial. Los transformadores personalizados permiten adaptar y ajust…
fit y transform: Crear Transformadores Personalizados con Scikit-learn Introducción La creación de transformadores personalizados es una habilidad valiosa para cualquier practicante en el campo de la ciencia de datos. Los transformadores pe…
Crear un transformer Introducción Crear transformadores personalizados es una habilidad valiosa para cualquier desarrollador de modelos de machine learning con Scikit-learn. Los transformadores permiten aplicar procesos específicos a los da…