Tutoriales de Ciencia de Datos

Aprende a usar VLOOKUP() en Google Sheets para buscar y extraer datos de grandes conjuntos en segundos.

Guía práctica de la prueba de Kruskal-Wallis: qué es, cómo funciona, cuándo usarla en lugar de ANOVA y cómo ejecutarla e interpretarla en Python y R.

Guía conceptual del truco del kernel: qué es, cómo habilita SVM y otros modelos con kernel, y cuándo usarlo frente a otros enfoques para modelar no linealidades.

Aprende a crear y usar tablas dinámicas en Google Sheets para resumir, analizar y explorar tus datos.

Explora fórmulas sencillas, funciones modernas de Excel y nuevas herramientas de IA para contar palabras en Excel.

Guía con las comprobaciones proactivas clave en replicación, rendimiento y copias de seguridad para mantener tu plataforma de datos robusta y fiable.

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.

Aprende a usar el Administrador de nombres de Excel para crear, editar y eliminar rangos con nombre y escribir fórmulas más limpias y fáciles de mantener.

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.

Descubre qué es una prueba de normalidad, por qué importa y cómo usar pruebas como Shapiro-Wilk, Kolmogorov-Smirnov y métodos visuales para comprobar tus datos, con ejemplos en Python y R.

Aprende a usar la analítica conversacional, la nueva función de BigQuery Studio potenciada por Gemini, para crear agentes de datos inteligentes con consultas en lenguaje natural.

Una guía práctica sobre la regularización en aprendizaje automático: qué es, cómo funciona y cuándo usar L1, L2 y Elastic Net para construir modelos que generalicen.