Tutoriales de Ciencia de Datos

Tutorial breve sobre cómo extraer datos generados por Javascript con R usando PhantomJS.

Usa Meta Muse Wonder y la API web de Olostep para comprobar afirmaciones médicas, explicar el razonamiento y mostrar de dónde sale la evidencia.

Crea en Python un agente de imagen a CAD con la API Kimi K3.1 Pro usando entrada de visión, llamadas a herramientas, un sandbox de Docker, un evaluador oculto y control de costes.

Guía práctica de configuración de Meta Muse para quienes empiezan. Aprende a ajustar permisos, conectar herramientas, delimitar una tarea que el agente pueda completar de verdad y leer el registro de actividad para saber qué hizo antes de confiar en la salida.

Un modelo autorregresivo predice el futuro de una serie a partir de su propio pasado. Aprende a ajustarlo en Python con statsmodels, elegir el orden de rezagos con PACF y AIC/BIC, y compararlo con MA y ARIMA.

Un tutorial sobre Azure Pricing Calculator: cómo usarla, buenas prácticas y errores a evitar.

Descubre cómo ARIMAX amplía ARIMA con predictores externos, entiende sus parámetros y supuestos, y construye un modelo de pronóstico en Python con statsmodels.

Descubre cómo SARIMAX combina el modelado estacional de series temporales con predictores externos. Entiende sus parámetros, en qué se diferencia de ARIMA y SARIMA, y construye un modelo de previsión en Python.

Aprende a configurar Paperclip en Windows con MiMo-V2.6-Pro y a crear un equipo de IA autónomo que planifica, delega y gestiona proyectos desde un único panel.

Un tutorial práctico de evaluación RAG en Python. Crea un dataset de evaluación, puntúalo con las 4 métricas clave de Ragas, añade una puerta de calidad en CI, genera preguntas sintéticas y haz seguimiento de las puntuaciones por commit para detectar a tiempo si falla la recuperación o la generación.

Descubre qué es la cuadratura, cómo la integración numérica aproxima integrales definidas y cómo funcionan métodos como la regla del trapecio, la de Simpson y la cuadratura gaussiana.

Aprende cómo funciona la transformación Box-Cox, cómo elegir el parámetro lambda y cuándo usarla para estabilizar la varianza, reducir la asimetría y mejorar los modelos estadísticos.