Por
campusMVP.
Publicado el
Pandas 2.0 es una biblioteca "intrínseca" al análisis de datos. Hace tiempo que se viene gestando su versión 2.0 y por fin la tenemos disponible. Pandas 2.0 trae muchas características nuevas e interesantes y en este post echaremos un vistazo a las más relevantes: el nuevo backend basado en PyArrow (de momento opcional), las mejoras de rendimiento, el soporte opcional para CoW, el soporte para fechas muy, muy antiguas, las mejoras de hasta 10 veces del rendimiento en el manejo de fechas, el cambio de comportamiento de numeric_only, etc...
[Más]
Por
campusMVP.
Publicado el
El equipo de PyTorch ha lanzado oficialmente PyTorch 2.0, que se anunció en diciembre de 2022. Esta nueva versión trae infinidad de novedades importantes y (r)evoluciona el framework para lograr grandes cosas. Por ejemplo, el soporte renovado y mejorado para modelos de tipo Transformer que permiten acelerar el entrenamiento y el despliegue de los modelos avanzados. También destaca toch.compile, que permite envolver y distribuir los modelos ya compilados. Te contamos los detalles.
[Más]
Por
José Manuel Alarcón.
Publicado el
Estos días la noticia que lo ha ocupado todo es, sin duda, la presentación oficial de GPT-4, el nuevo modelo grande de lenguaje (LLM) de OpenAI, sucesor de GPT-3.5 que es el que está detrás de chatGPT.
Este nuevo modelo va un paso más allá del anterior para dotarlo de mayores capacidades, mayor creatividad y que esté más orientado a colaborar con los usuarios. Al ritmo que avanzan estas tecnologías ¿qué va a pasar con muchos trabajos que antes se creían "intocables" (incluyendo el de programador)?. Comentamos todas las novedades y esta pregunta crucial...
[Más]
Por
campusMVP.
Publicado el
Herramientas de IA generativa como ChatGPT y DALL-E tienen un gran potencial de cambiar la forma en que se realizan una variedad de trabajos. Sin embargo, aún se desconoce el alcance total de ese impacto, al igual que los riesgos. Lo que sí sabemos es como cómo se construyen los modelos generativos de IA, qué tipo de problemas son más adecuados para resolver y cómo encajan en la categoría más amplia de aprendizaje automático. A continuación te lo contamos.
[Más]
Por
campusMVP.
Publicado el
En este artículo encontrarás una serie de términos relacionados con la inteligencia artificial y más concretamente con las técnicas de inteligencia artificial. Para cada uno de los conceptos hemos incluido el término en español, en inglés, la abreviatura si procede, su definición y la aplicación más común en la industria 4.0 o fabricación inteligente.
[Más]
Por
David Charte.
Publicado el
Si bien es indudable que para practicar la disciplina de Machine Learning es necesario conocer Python, conocer también R como complemento de este proporciona una gran ventaja de productividad y capacidades sobre otras personas que solo conozcan Python. En especial, a la hora de hacer análisis exploratorio y acceder a la información, donde R destaca por su sencillez y capacidades, ya que es un lenguaje diseñado especialmente para ello. En este breve artículo te comentamos por qué creemos que deberías aprender ambos y te enseñamos un ejemplo de cómo para ciertas cosas R puede ser mejor que Python proporcionándote grandes ventajas frente a gente que solo conoce este último.
[Más]
Por
David Charte.
Publicado el
La máxima más famosa en Machine Learning y, en general, en todas aquellas disciplinas que se fundamentan en el uso de datos es: "Si entra basura, sale basura". Y es que no sólo llega con tener algoritmos buenos: hay que tener también datos buenos. Si no realizamos un análisis exploratorio previo de los datos podemos encontrarnos con muchos problemas y puede hacer que el algoritmo elegido sea mucho menos efectivo... Además puede aportarnos información muy relevante. Te lo explicamos con un ejemplo...
[Más]
Por
David Charte.
Publicado el
¿Cómo procesar imágenes con machine learning para reconocimiento y clasificación de objetos? La identificación de objetos en imágenes tiene múltiples aplicaciones: desde algo tan prosaico como identificar gatos o perros en fotografías, hasta la detección de tumores en pruebas diagnósticas o clasificar las piezas de una línea de producción según su calidad. En este vídeo práctico, nuestro tutor David Charte te explica desde cero cómo funcionan las técnicas de Deep Learning para clasificación automática de imágenes y cómo podemos utilizar Python y el paquete de Deep Learning Tensorflow (creado por Google) para lograrlo.
[Más]
Por
José Manuel Alarcón.
Publicado el
¿Cómo harías un programa, con tu lenguaje favorito, que fuese capaz de detectar a las personas que hay en una foto y quitar todo lo demás para poder sustituirlo? Si lo piensas, no es nada fácil. De hecho es casi imposible hacerlo de manera genérica y que funcione bien. Sin embargo las redes neuronales y los modelos entrenados con ellas convierten la tarea en algo factible e incluso sencillo. En este artículo + vídeo te explicamos cómo lograrlo con tan solo 5 líneas de Python.
[Más]
Por
José Manuel Alarcón.
Publicado el
Ahora que ya sabes montar tu entorno de trabajo con Python basado en miniconda, vamos a ver cómo puedes gestionar varios entornos en parelelo con conda y cómo puedes gestionar las dependencias con conda para poder recuperarlas con facilidad siempre que quieras.
[Más]