25:39

Tutorial: ¿Cómo almacenar y recuperar el progreso del entrenamiento? | Keras "checkpoints"

25:55

Tutorial: visualización de SERIES DE TIEMPO en Python

20:19

¿Cómo manejar un dataset DESBALANCEADO en Machine Learning?

14:19

¿Qué son las BASES DE DATOS VECTORIALES? | Grandes Modelos de Lenguaje

17:38

¿Cómo entrenar una RED CONVOLUCIONAL con imágenes de diferentes tamaños?

03:24

¡Lo NUEVO en la Academia Online de Codificando Bits!

12:31

INTERPRETABILIDAD y EXPLICABILIDAD en la Inteligencia Artificial

13:08

Métodos simples para realizar PRONÓSTICOS SOBRE SERIES DE TIEMPO

29:55

Tutorial: ¿cómo ALMACENAR Y LEER un modelo en Scikit-Learn?

11:21

La SUPER-RESOLUCIÓN ¡EXPLICADA!

16:27

Autoencoders ¡EXPLICADOS!

54:16

Tutorial: Análisis Exploratorio de SERIES DE TIEMPO

21:07

¿Cómo medir el desempeño de un modelo de Regresión? | Métricas de Regresión

37:49

YOLO (detección de objetos) ¡EXPLICADO!

41:15

Tutorial: entendiendo cómo implementar REDES LSTM en Tensorflow/Keras

21:39

La función de AUTOCORRELACIÓN en las Series de Tiempo

35:43

Tutorial: VALIDACIÓN CRUZADA con Scikit-Learn

18:24

El Vision Transformer ¡EXPLICADO!

39:04

Tutorial: trucos para ENTRENAR CORRECTAMENTE cualquier modelo de Deep Learning

35:55

Tutorial: ¿Cómo DESCOMPONER una serie de tiempo?

47:58

Tutorial: ¡SCIKIT-LEARN DESDE CERO!

01:07:09

Tutorial: SEGMENTACIÓN DE IMÁGENES SATELITALES con Redes Convolucionales (U-Net)

01:05:13

Tutorial: ¿cómo AFINAR LOS HIPERPARÁMETROS de una Red Neuronal?

15:25

Manejo de DATOS FALTANTES en series de tiempo

18:55

La INGENIERÍA DE CARACTERÍSTICAS (feature engineering): guía completa

56:32

Tutorial: limpieza de imágenes con AUTOENCODERS

01:19:29

Tutorial: ¡PYTORCH DESDE CERO!

16:55

¿Qué es la ESTACIONARIEDAD de una serie de tiempo?

21:59

La SELECCIÓN DE CARACTERÍSTICAS en el Machine Learning

40:59

¿Cómo entrenar un modelo con POCOS DATOS? - Tutorial IMAGE AUGMENTATION

28:04

Tutorial: Diferentes formas de almacenar modelos entrenados con TensorFlow/Keras

08:20

¿Qué son el NIVEL y la TENDENCIA de una serie de tiempo?

13:16

¿Cómo codificar datos categóricos?

41:27

Tutorial: clasificador de imágenes con TRANSFERENCIA DE APRENDIZAJE

37:34

Tutorial: ¿cómo manejar datasets GIGANTESCOS?

11:22

¿Qué es la ESTACIONALIDAD de una SERIE DE TIEMPO?

34:19

Tutorial: ¿Cómo ESCALAR los datos cuando hay VALORES EXTREMOS?

17:19

Visión por computador + Inteligencia Artificial

15:48

Variables aleatorias continuas y discretas | Lección 1 curso "Probabilidad Nivel Intermedio"

31:08

TF.DATA: la mejor manera de gestionar datos en TensorFlow (Tutorial)

34:06

Tutorial: ¿Cómo ESTANDARIZAR nuestros datos?

20:18

Forecasting con Redes LSTM (parte 7): importancia de las características

38:06

Tutorial: ¿cómo escalar los datos con "minmaxscaler"?

12:16

¿Qué es la Probabilidad? | Lección 1 curso "Probabilidad Nivel Básico"

44:33

Forecasting con Redes LSTM (parte 7): codificación de las variables temporales

40:03

Tutorial: ¿Por qué y cuándo ESCALAR los datos?

41:14

Tutorial: La REPRODUCIBILIDAD en el Machine Learning

34:56

Tutorial: MANEJO DE DATOS CATEGÓRICOS FALTANTES con Python, Pandas y Scikit-Learn

08:34

Pandas: DataFrames anchos y largos | Lección 1 curso "Pandas Nivel Avanzado"

16:12

Temperatura, top-k y top-p: generación de texto con Grandes Modelos de Lenguaje

09:43

¿Qué es la VENTANA DE CONTEXTO de un Gran Modelo de Lenguaje?

12:24

¿Cómo seleccionar el MEJOR MODELO en un problema de Machine Learning?

10:09

¿Qué son los EMBEDDINGS? | Grandes Modelos de Lenguaje

11:41

¿Qué es el AJUSTE DE HIPER-PARÁMETROS?

27:45

Pandas: combinar datos con "join" | Lección 1 curso "Pandas Nivel Intermedio"

13:51

¿Qué son los TOKENS? | Grandes Modelos de Lenguaje

12:46

Validación cruzada y k-fold cross-validation

11:23

Introducción a PANDAS | Lección 1 curso "Pandas Nivel Básico"

13:13

Desarrollador de aplicaciones con LLMs: Ruta de Aprendizaje

10:33

Los sets de entrenamiento, validación y prueba