Tutoriales de Ciencia de Datos

La U de Mann-Whitney es una prueba no paramétrica basada en rangos para comparar dos grupos independientes cuando los datos no cumplen la normalidad requerida por la t de Student.

Descubre cómo las aproximaciones polinómicas impulsan el descenso por gradiente, XGBoost y las funciones que tu ordenador calcula a diario.

Explora cómo la regresión polinómica ayuda a modelar relaciones no lineales y a mejorar la precisión de predicción en datasets reales.

El operador laplaciano es una de las herramientas matemáticas más utilizadas en el machine learning moderno. Está detrás del clustering espectral, el aprendizaje de variedades, la detección de bordes en imágenes y los algoritmos basados en grafos.

Introducción práctica a las ecuaciones diferenciales: tipos clave, clasificación, métodos de solución analíticos y numéricos, y su papel real en descenso por gradiente, regresión y modelado de series temporales.

Guía paso a paso de la expansión por cofactores (expansión de Laplace): definiciones clave, ejemplos resueltos, propiedades y su relación con la inversión de matrices mediante la matriz adjunta.

Descubre cómo la distribución binomial modela múltiples resultados binarios y se aplica en finanzas, salud y machine learning.

Domina Codex CLI de OpenAI para automatizar flujos de trabajo de datos. Aprende a hacer EDA, crear pipelines ETL en Python y generar tests directamente desde tu terminal local.

Comprende cómo las incertidumbres en las mediciones afectan a los resultados calculados y aprende fórmulas y métodos para cuantificarlas en diversas operaciones matemáticas.

Descubre las restricciones ocultas que hay detrás de cada prueba estadística y aprende a interpretar tus resultados con verdadera confianza.

Aprende a calcular probabilidades para múltiples eventos, distinguir entre escenarios AND y OR, y aplicar estos conceptos a problemas de análisis de datos del mundo real.

Aprende los fundamentos matemáticos de las probabilidades de eventos únicos, explora ejemplos prácticos desde la estadística clásica hasta situaciones del mundo real y descubre aplicaciones en la ciencia de datos y el machine learning.