Tutoriales de Ciencia de Datos

¿Y si las conversaciones de voz con IA en tiempo real fueran naturales, interrumpibles y realmente humanas? Aprende a ejecutar NVIDIA PersonaPlex en local y vive la experiencia de una IA conversacional full‑duplex real.

Crea un entrenador de ejercicio en Python que registre entrenamientos, recuerde el historial del usuario con Supermemory y sugiera sesiones personalizadas entre ejecuciones separadas del agente de IA.

Descubre qué es Perplexity Computer, cómo funcionan sus subagentes en paralelo, cuánto cuestan realmente los créditos en una prueba práctica y dónde encajan Pro y Max en flujos de investigación reales.

Crea un agente de IA con Kimi K2.6, Olostep y el OpenAI Agents SDK que lee tu CV, encuentra puestos activos, filtra ruido y te dice exactamente dónde postular.

Aprende a ejecutar el modelo completo DeepSeek V4 Flash en una sola GPU usando una build modificada de llama.cpp y un archivo GGUF compatible en este tutorial práctico.

Personaliza Claude Code en la terminal con permisos, CLAUDE.md, modo plan, /loop, hooks, /voice y control de costes. Siete mejoras que se amortizan rápido.

Guía paso a paso para configurar pgAdmin 4 y PostgreSQL con Docker Compose: incluye la configuración de contenedores, el registro del servidor y las funciones clave de pgAdmin como Query Tool, navegador de esquemas y copia de seguridad/restauración.

Guía práctica de series geométricas que cubre las fórmulas de suma finita e infinita, las condiciones de convergencia y aplicaciones reales en finanzas, física e informática.

Esta guía te muestra métodos seguros basados en fórmulas y opciones de combinación visual para dar formato a tus hojas sin estropear los datos.

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

Domina los cálculos de tiempo en Excel. Aplica fórmulas listas para usar directamente en tus 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.