Data Science Tutorials

Una media winsorizada reduce la influencia de los valores atípicos al limitar los valores extremos a percentiles específicos, preservando la estructura general del conjunto de datos. Sigue leyendo para aprender a calcular la media winsorizada utilizando Python para practicar.

Descubre cómo utilizar la prueba ANOVA para comparar las medias de varios grupos con ejemplos claros, aplicaciones reales y consejos prácticos para el análisis de datos.

Aprende cómo la curva AUC-ROC evalúa los modelos de clasificación binaria, centrándose en el rendimiento a través de umbrales, especialmente en conjuntos de datos desequilibrados. Utiliza las bibliotecas de Python para calcular los valores AUC y comparar clasificadores en un solo flujo de trabajo.

La distribución de Poisson modela la probabilidad de que se produzca un determinado número de sucesos en un intervalo fijo. Mira cómo se aplica en escenarios del mundo real, como la teoría de colas y la modelización del tráfico.

Descubre GitHub Codespaces, el entorno de desarrollo que te permite escribir, ejecutar y desplegar tu código en cualquier lugar.

Aprende regresión lineal simple. Domina la ecuación del modelo, comprende los supuestos y diagnósticos clave, y aprende a interpretar los resultados con eficacia.

Aprende a calcular la suma total de cuadrados (SST), la suma de cuadrados de regresión (SSR) y la suma de cuadrados de error (SSE) para evaluar la precisión del modelo de regresión. Descubre sus relaciones matemáticas y cómo influyen en la R-cuadrado.

Aprende cómo Python gestiona automáticamente la memoria con el recuento de referencias y la recolección generacional de basura, y comprende cómo controlar manualmente la recolección de basura utilizando el módulo gc.

Aprende a acceder a los modelos ligeros y de visión de Llama 3.2 en Kaggle, a ajustar el modelo en un conjunto de datos personalizado utilizando GPUs P100 gratuitas y, a continuación, a fusionar y exportar el modelo al Hugging Face Hub.

Aprende a utilizar el Pixtral 12B de Mistral interactivamente a través de Le Chat o programáticamente mediante la API disponible en La Plateforme.

Aprende la técnica de optimización Adagrad, incluyendo sus principales ventajas, limitaciones, implementación en PyTorch y casos de uso para optimizar modelos de aprendizaje automático.

El Bosque de Aislamiento es un algoritmo de aprendizaje automático no supervisado que identifica anomalías o valores atípicos en los datos aislándolos mediante un proceso de partición aleatoria dentro de una colección de árboles de decisión.