08:49

Descriptive, Predictive, and Prescriptive Analytics for Business

06:13

Skewness in Statistics: Why It Matters and How to Calculate It with Python

07:37

MatificationStemming

33:21

Hierarchical Clustering: Create Dendrograms and Detect Clusters like a Pro with Python!

30:15

Word2Vec

11:33

Machine Learning's No Free Lunch Theorem

12:36

What is Cosine Similarity: Practical Uses in Machine Learning with Python

20:06

¿Qué es la Regresión Cuantílica?: Más Allá de la Media

10:41

¿Qué es y por qué es importante la Curtosis?: Un análisis de anomalías con Python usando Kurtosis

08:38

Clustering: El Análisis de Agrupamientos, Cúmulos o Conglomerados de Machine Learning y Data Science

14:13

Análisis de Asociación entre Variables Nominales Categóricas: La V de Cramer con Python

12:41

Automatiza la Extracción de Datos o Texto en PDFs usando Expresiones Regulares y Python

08:59

Cómo Crear una Nube de Palabras en Python: Guía Práctica de Análisis de Texto

05:08

¿Vale la pena estudiar una Licenciatura o Posgrado en Inteligencia Artificial (IA)?

20:39

¿Qué es el Procesamiento de Lenguaje Natural o NLP? De palabras a vectores hasta ChatGPT y Gemini

11:38

¿Qué es el Gradiente y por qué es importante en Machine Learning?

08:02

Qué es el Teorema de Aproximación UNIVERSAL y por qué es tan importante para las Redes Neuronales

41:48

Descifrando el Misterio: Redes Neuronales Convolucionales (CNNs) con Python y Tensorflow

42:36

Tu primera Red Neuronal para Clasificar Imágenes con Python y TensorFlow: Perceptrón Multicapa MLP

24:01

Desmitificando las Funciones de Pérdida o Error: Fundamentos de Deep Learning

25:19

Funciones de Activación de Redes Neuronales: Sigmoide, ReLU, ELU, Tangente hiperbólica, Softplus y ➕

16:06

Matemáticas Esenciales para Dominar Machine Learning y Deep Learning

31:42

La Muerte de las Neuronas: Problema del Desvanecimiento del Gradiente en Redes Neuronales Profundas

01:17:50

BACKPROPAGATION: Cómo Aprende Matemáticamente una Red Neuronal Artificial Paso a Paso con Python

19:52

Shapiro-Wilk vs Kolmogorov-Smirnov en Python: ¿Qué prueba de Normalidad utilizar?

12:30

Cómo determinar si un Resultado es Estadísticamente Significativo: ¿Valor P menor a 0.05?

16:05

Qué es realmente el Valor P (o p-value) y las Pruebas de Hipótesis: Estadística con Python

16:56

¿Qué tipo de Correlación debo utilizar: Pearson, Spearman o Kendall?: Diferencias y Similitudes

11:27

¿No tienes datos? ¡Auméntalos! Introducción a la Aumentación de Datos (Data Augmentation) con Python

17:51

Qué es Deep Learning (o Aprendizaje Profundo): De la Neurona Biológica a la Red Neuronal Artificial

15:35

Ley de los GRANDES Números (y el Valor Esperado) con Python

30:17

Medidas de Centralidad en Grafos o Redes: Centralidad de Grado, Cercanía e Intermediación con Python

23:02

Ciencia de Datos con Grafos: Introducción al Análisis de Redes con Python y NetworkX

24:58

Cómo saber si los Datos siguen una Distribución dada usando Gráficos Cuantil-Cuantil (o QQ) y Python

35:01

Pronóstico de Series de Tiempo con Suavización Exponencial Simple en Python: Prediciendo el Futuro

22:19

Mide la "DISTANCIA" entre dos Distribuciones con la Divergencia Kullback-Leibler (KL) usando Python

14:43

Qué es la Ciencia de Datos (o Data Science): EL ORIGEN

28:44

Qué es y para qué se usa la Información Mutua: Una explicación paso a paso con Python

20:34

Ni muy muy, Ni tan tan: Subajuste y Sobreajuste (under- & overfitting) - Machine Learning con Python

16:59

Qué son los Datos Desbalanceados y Cómo balancearlos usando Submuestreo y Sobremuestreo con Python

33:01

¿Qué tan buenos son tus Clusters? Métricas para Clustering con Python: Silueta y Davies Bouldin

18:19

Las 5 formas más Simples de Predecir el FUTURO en Series de Tiempo con Python: Media Móvil y ✚

43:11

Análisis Exploratorio de Series de Tiempo con Gráficas de Autocorrelación y Retardo usando Python

49:02

Programando con Python en la Nube: La guía definitiva de Google Colab (Colaboratory)

11:52

Predice el Futuro y Conoce qué es el Pronóstico de Series de Tiempo: Una Introducción con Python

28:21

Identifica Patrones y extrae Reglas de Asociación con el Algoritmo APRIORI usando Python

16:23

Entendiendo la Entropía en Machine Learning y Ciencia de Datos con Python

18:47

Por qué y cómo crear Ambientes Virtuales de Python usando venv y conda

14:20

Analiza datos asociados a Rankings con el Coeficiente de Correlación de Kendall Tau-b

11:14

Mejora tu Análisis de Datos con Medidas de Centralidad para Datos Categóricos usando Python

16:07

Potencializa la utilidad de tus datos con BootStrapping usando Python

15:12

Domina el Teorema del Límite Central: Qué es y por qué es tan Importante - Python

11:43

Las 5 Técnicas de Muestreo que debes conocer: Un ejemplo con Python

22:16

Formaliza tus resultados con Intervalos de Confianza: Qué son y cómo calcularlos con Python

21:54

De dónde vienen las Puntuaciones Z y la Distribución Normal Estándar: Un ejemplo con Python

01:40

Curso de Inteligencia Artificial (IA) y Machine Learning con Python

08:02

Diferencias clave entre la Regresión y la Clasificación en Machine Learning

11:28

¿Qué técnica de Machine Learning debes utilizar? Supervisado vs NO Supervisado

05:23

Diferencias y Similitudes entre la Inteligencia Artificial y el Machine Learning

02:59

Aplicaciones de Miedo de la Inteligencia Artificial 💀🎃👻