Tutoriales de Ciencia de Datos

¿Puede un agente de IA razonar como un científico cuando se le oculta la respuesta? Crea con Claude Fable 5.2 un agente en Python que ponga a prueba explicaciones rivales para datos con ruido, diseñe un experimento de seguimiento y prediga resultados que no ha visto, evaluado por código independiente al que no puede acceder.

Domina lo básico de Power BI Desktop con este tutorial para principiantes. Aprende importación de datos, Power Query, fórmulas DAX y cómo crear y compartir informes interactivos.

Usa Copilot Cowork para convertir un único CSV de ventas en un libro de Excel, una nota en Word, una presentación en PowerPoint y un borrador en Outlook; después verifica los resultados, guarda el flujo como skill y prográmalo.

Aprende a ejecutar potentes modelos de decisión en local, explora el ecosistema de vLLM y crea tres proyectos prácticos con texto, imágenes y vídeos.

Aprende las 20 funciones y fórmulas esenciales de Excel, desde SUM() e IF() hasta XLOOKUP() e IFERROR(), con ejemplos y consejos para combinarlas.

Crea un flujo de reparación de CI en GitHub con DeepSeek Superagent y usa el modo observación, pytest, datos de holdout y revisión humana para validar una corrección en pandas.

¿No puedes editar una hoja? Descubre las soluciones más rápidas: desde introducir tu contraseña hasta arreglar el botón de Quitar protección de hoja en gris.

Crea un agente en Python con Gemini 4 Argon, llamadas a funciones y profiling; luego valida sus parches con tests ocultos, benchmarks y coste de API.

Un tutorial para principiantes que muestra cómo funciona el control de versiones con Git y por qué es crucial en proyectos de ciencia de datos.

Una guía paso a paso de cómo funciona la arquitectura Transformer, desde la self-attention hasta los LLM solo con decoder que se basan en ella.

Aprende cómo Mercury 3 usa generación por difusión para crear un asistente de análisis de incidencias, visualizar estados de refinamiento y comparar esfuerzo de razonamiento bajo y alto.

Aprende pandas desde la instalación hasta el análisis, con cada ejemplo probado en pandas 3.1.