Todos los artículos sobre "AI, ML y análisis de datos"

Explora las últimas e impactantes revelaciones de OpenAI en su DevDay, donde desvelan emocionantes avances en sus modelos y APIs de inteligencia artificial generativa. Desde un nuevo modelo con sorprendente capacidad contextual hasta herramientas innovadoras para desarrolladores (que de paso se cargarán a muchas empresas que están compitiendo ahora en ese ámbito). En este artículo te resumimos todo lo que han anunciado y te damos enlaces para profundizar en lo que te interese. ¡Abróchate el cinturón porque esto acelera a toda velocidad!. [Más]

La era del desarrollo apoyado por IA aún está en sus albores, pero los desarrolladores lo están adoptando masivamente, si bien en muchos casos todavía hay muchas reticencias, falta de confianza y preocupaciones regulatorias. Sin embargo, los que las utilizan manifiestan grandes mejoras en su rendimiento profesional, menos errores y facilidad para producir. Por otro lado, estas herramientas no harán más que mejorar en los próximos meses, por lo que cada vez tendrán mayor importancia. La encuesta de Stack Overflow nos proporciona una idea de por dónde van los tiros en este ámbito y te la resumimos a continuación. [Más]

Los notebooks de Jupyter son documentos interactivos de código, texto y gráficos que se utilizan para machine learning e IA. Si has tocado algo de estas disciplinas has tocado uno de estos notebooks. El Proyecto Jupyter, creador del formato, dispone de dos editores para estos archivos: JupyterLab y Jupyter Notebook. Aquí te explicamos qué son ambas herramientas, en qué se diferencian y cuál elegir según tu caso. [Más]

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]

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]

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]

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]

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]

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]

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]