Data Science Tutorials

Aprende a renombrar ramas Git locales y remotas utilizando el terminal o la interfaz gráfica de usuario (GUI) de clientes populares como GitHub.

Este tutorial trata sobre los gráficos de columnas agrupadas, por qué Excel es bueno para crearlos y cómo crear y personalizar gráficos de columnas agrupadas en Excel.

Aprende a realizar la validación de datos y modelos para garantizar un sólido rendimiento del aprendizaje automático utilizando nuestra guía paso a paso para automatizar las pruebas con DeepChecks.

Descubre cómo mejorar PostgreSQL con capacidades de búsqueda vectorial utilizando pgvector. Este tutorial te guía a través de la instalación, las operaciones básicas y la integración con las herramientas de IA.

Aprende por qué git pull --force no es la mejor forma de sobrescribir una rama local con la versión remota, y descubre el método adecuado utilizando git fetch y git reset.

La compresión de prompts es el proceso de reducir la longitud de una instrucción de entrada conservando la información esencial necesaria para que un modelo lingüístico la comprenda y genere una respuesta pertinente.

Descubre los puntos fuertes de los LLM con mecanismos eficaces de recuperación de la información. Pon en práctica un enfoque de reordenación e incorpóralo a tu propia canalización LLM.

En Python, utiliza el método .encode() sobre una cadena para convertirla en bytes, especificando opcionalmente la codificación deseada (UTF-8 por defecto).

DeepSeek-Coder-V2 es un modelo de lenguaje de código de código abierto que rivaliza con el rendimiento de GPT-4, Gemini 1.5 Pro, Claude 3 Opus, Llama 3 70B o Codestral.

Descubre cómo Databricks DBRX, un LLM de código abierto, puede gestionar tareas complejas y generar resultados inteligentes.

La sintonización anticipada es una técnica utilizada para mejorar el rendimiento de un modelo lingüístico preentrenado sin modificar la arquitectura interna del modelo.

Pondremos a punto Llama 3 sobre un conjunto de datos de conversaciones entre pacientes y médicos, creando un modelo adaptado al diálogo médico. Tras fusionar, convertir y cuantizar el modelo, estará listo para su uso local privado a través de la aplicación Jan.