Tutoriales de Ciencia de Datos

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.

Aprende el aprendizaje conjunto con Python. Este tutorial práctico abarca el bagging frente al boosting, Random Forest y XGBoost con ejemplos de código en un conjunto de datos reales.

Explora las diferencias entre la media y la mediana, aprende sus aplicaciones en el análisis de datos y descubre cómo elegir la medida adecuada para cada situación.

Aprende qué es un archivo ejecutable y cómo convertir un script de Python en un archivo .exe utilizando PyInstaller, Nuitka y auto-py-to-exe.

Aprende a crear y evaluar un clasificador Naive Bayes utilizando el paquete Scikit-learn de Python.