Categoría
Temas
Tutoriales de Ciencia de Datos
Avanza en tu carrera con nuestros tutoriales de ciencia de datos. Te guiamos paso a paso a través de las funciones y modelos de la ciencia de datos más exigentes.
Otros temas:
¿Formar a 2 o más personas?Probar DataCamp for Business
Matriz ampliada: cómo resolver sistemas de ecuaciones
Descubre qué es una matriz ampliada, cómo representa sistemas de ecuaciones y cómo usar operaciones por filas para resolverlos.
10 de septiembre de 2026
Gráficos de residuos explicados: cómo comprobar los supuestos de un modelo de regresión
Descubre qué es un gráfico de residuos, cómo interpretar los patrones más comunes y cómo te ayuda a detectar no linealidad, heterocedasticidad, outliers y otros problemas de regresión.
10 de septiembre de 2026
Mínimos y máximos: cómo encontrar e interpretar puntos extremos
Aprende qué son los mínimos y máximos, en qué se diferencian los extremos locales y globales, y cómo encontrarlos con puntos críticos, pruebas de primera y segunda derivada y el método del intervalo cerrado.
13 de agosto de 2026
Matriz invertible: definición, propiedades y ejemplos
Descubre qué es una matriz invertible, cómo saber si una matriz lo es y por qué las inversas son clave en álgebra lineal y ciencia de datos.
12 de agosto de 2026
Modelos SARIMA: guía completa para predicción estacional en series temporales
Descubre cómo SARIMA amplía ARIMA para manejar la estacionalidad, entiende sus siete parámetros y construye un modelo funcional en Python desde la recopilación de datos hasta la predicción.
31 de julio de 2026
Correlación espuria: una trampa estadística importante (y cómo evitarla)
Saber por qué surgen las relaciones espurias, desde factores de confusión hasta sesgos de muestreo, es lo que separa un hallazgo real de una coincidencia estadística.
29 de julio de 2026
Tutorial de GitHub y Git para principiantes
Un tutorial para principiantes que muestra cómo funciona Git y por qué es clave en proyectos de ciencia de datos.
22 de julio de 2026
Predicción del ganador del Mundial 2026: una guía de MLOps
Descubre cómo una canalización MLOps de extremo a extremo predice los resultados del Mundial 2026, desde el reentrenamiento automático y DVC hasta una simulación de Monte Carlo de 10.000 ejecuciones del cuadro.
17 de junio de 2026
Estimación de densidad por kernel: de la teoría a la práctica
La estimación de densidad por kernel es un método no paramétrico para estimar la forma de una distribución sin asumir un modelo fijo. Aprende la fórmula, cómo elegir el ancho de banda y cómo implementarla en Python y R con ejemplos prácticos.
16 de junio de 2026
Regresión con splines: guía práctica con Python y R
Guía práctica de la regresión con splines: cómo los polinomios a trozos y los nudos modelan relaciones no lineales, los tipos principales de splines y cómo ajustarlos en Python y R.
15 de junio de 2026
Supuestos de la regresión logística: qué debes comprobar antes de modelar
Una guía práctica de los supuestos de la regresión logística, los diagnósticos que detectan incumplimientos en Python y R, y las alternativas cuando no se cumplen.
15 de junio de 2026
Overfitting vs. Underfitting: una guía práctica de diagnóstico de modelos
Un recorrido detallado por el overfitting y el underfitting en machine learning: cómo identificar cada fallo, por qué ocurre y cómo solucionarlo mediante el compromiso sesgo-varianza.
12 de junio de 2026