Un podcast ninja sobre Big Data

Todo el mundo habla de agentes de inteligencia artificial pero muchos no sabrían identificar uno si lo tuvieran delante. 🎧 Episodio completo En este episodio os explico qué es un agente de IA, en qué se diferencia de un modelo del lenguaje como ChatGPT y cómo hemos llegado hasta aquí en apenas 3 años: desde la era del prompt engineering y las alucinaciones, pasando por las técnicas de RAG y los modelos razonadores, hasta los agentes que no solo piensan sino que actúan. En la versión completa (disponible en la Comunidad Ninja) entro en los niveles de complejidad de los sistemas agénticos, la ingeniería de contexto, MCP, Skills, el debate MCP vs CLI, tres incidentes de seguridad reales y 5 hipótesis sobre el futuro de los agentes de IA. 🔗 Enlaces mencionados en el episodio: 📌 Episodio 28: La revolución de ChatGPT 📌 Episodio 22 (Podcast Premium): Qué es un LLM (Explicado para que lo entiendas) 📌 Episodio 23 (Podcast Premium): Qué son los embeddings y la tokenización 📌 Episodio 24 (Podcast Premium): La explicación definitiva de la arquitectura transformer 📌 Episodio 26 (Podcast Premium): Fine-Tuning de LLMs 📌 Vídeo sobre MCP (Model Context Protocol) en YouTube 📌 Comunidad Ninja (episodio completo, club de lectura, sesiones en directo, proyectos y más):https://datos.ninja/comunidad 📌 Libro "Agentic Design Patterns" de Antonio Gullì disponible en la Sala de Lectura de la Comunidad Descubre qué rol de datos encaja mejor contigo: 👉 Haz el test aquí: ⁠⁠⁠⁠https://datos.kit.com/roadmap⁠⁠⁠⁠ Sígueme en RRSS: 📺 YouTube: ⁠⁠@martarroyo⁠⁠ 📸 Instagram: ⁠⁠@datos.ninja⁠⁠ 🤳 TikTok: ⁠⁠@datos.ninja ⁠⁠ 🐦 X: ⁠⁠⁠@martarroyo⁠⁠⁠ 📝 Puedes encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠⁠ completas en https://datos.ninja/podcast-premium/30-agentes/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la ⁠Comunidad Ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷Accede a todo el contenido para convertirte en un ninja de los datos: 🎥 ⁠⁠Sesiones en directo⁠⁠ ⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ Segunda parte del análisis anual del estado de la Inteligencia Artificial en 2025 basándonos en el informe State of AI Report de Air Street Capital 📊 Si la semana pasada hablábamos de avances tecnológicos, hoy toca industria y política. Y es que en este 2025: 📈 NVIDIA supera a Apple y Microsoft en bolsa pero su reinado se ha convertido en un juego de equilibrios 🚀 El megaproyecto Stargate de 500.000 millones de dólares con centros de datos de 1 gigavatio que consumen como plantas nucleares. ⚖️ En cuanto a regulación, Trump se ha dedicado a revocar las órdenes de Biden. La IA ha dejado de ser tecnología para convertirse en geopolítica, crisis energética y transformación laboral. Da para pensar... y para un par de episodios de Black Mirror 🪞 Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠ o en ⁠⁠⁠⁠LinkedIn⁠⁠. Descubre qué rol de datos encaja mejor contigo: 👉 Haz el test aquí: ⁠⁠⁠https://datos.kit.com/roadmap⁠⁠⁠ Sígueme en RRSS: 📺 YouTube: ⁠@martarroyo⁠ 📸 Instagram: ⁠@datos.ninja⁠ 🤳 TikTok: ⁠@datos.ninja ⁠ 🐦 X: ⁠⁠@martarroyo⁠⁠ 📝 Puedes encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠⁠ completas en ⁠https://datos.ninja/podcast/107-estado-inteligencia-artificial-industria-2025/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la Comunidad Ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷Accede a todo el contenido para convertirte en un ninja de los datos: 🎥 ⁠Sesiones en directo⁠ ⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ En el episodio de hoy repasamos el estado de la Inteligencia Artificial en 2025 basándonos en el informe State of AI Report de Air Street Capital. 🚀 2025: El año de los modelos de razonamiento. De o1 de OpenAI al revolucionario DeepSeek R1 que lo superó en solo dos meses.🚀 Las cuatro etapas de entrenamiento de DeepSeek R1 y cómo las recompensas verificables cambiaron el juego del RL.🚀 La revolución china en open source: Qwen destrona a Llama y Kimi K2 entra en el top 20 con ¡un billón de parámetros!🚀 OpenAI vuelve al open source con gpt-oss después de años en silencio. ¿Será suficiente?🚀 Razonamiento paralelo: los modelos ahora piensan en múltiples caminos simultáneamente.🚀 Modelos del mundo vs generación de vídeo: de películas pasivas a videojuegos interactivos con Genie 3 y Veo 3.1.🚀 El ecosistema de agentes explota: MCP se convierte en el estándar universal adoptado por todos los grandes.🚀 Y sí... las conferencias de IA están colapsando con 29.000 papers. Si pestañeas, te lo pierdes. ¡Dale al play y entérate de todo! Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠formulario de contacto⁠⁠⁠ o en ⁠⁠⁠LinkedIn⁠. Sígueme en RRSS: 📺 YouTube: @martarroyo 📸 Instagram: @datos.ninja 🤳 TikTok: @datos.ninja 🐦 X: ⁠@martarroyo⁠ 📝 Puedes encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠ completas en https://datos.ninja/podcast/106-estado-inteligencia-artificial-2025/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🎥 ⁠⁠Sesiones de formación⁠⁠ 👥 Comunidad ninja En el episodio de hoy descubrimos cómo LinkedIn actualiza sus modelos de IA cada hora sin morir en el intento. Spoiler: entrenar un modelo una vez está bien... pero mantenerlo actualizado 24/7 con millones de usuarios es el verdadero reto. ✅ Por qué el entrenamiento tradicional "cold start" no funciona a escala (es caro, lento y frágil). ✅ Qué es el entrenamiento incremental y cómo LinkedIn ahorra 9 veces en costes. ✅ El desafío de generar datos en tiempo real con Apache Flink y Kafka. ✅ Cómo manejar 30,000-35,000 eventos por segundo con menos de 5ms de latencia. ✅ Por qué los grafos estáticos de TensorFlow/PyTorch son clave en producción. ✅ La importancia de los checkpoints y la tolerancia a fallos. ✅ Resultados reales: +2% en aplicaciones cualificadas, +4% en clicks de anuncios... Y mucho más💥 Después de este episodio entenderás por qué llevar Machine Learning a producción es MUY diferente a entrenar en un notebook de Jupyter. 📰 Suscríbete a la newsletter donde profundizaré en las herramientas concretas que usa LinkedIn: https://datos.kit.com/roadmap Episodios anteriores relacionados: ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 94⁠.⁠ Buenas prácticas para científicos de datos ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 80⁠.⁠ Machine Learning 101 ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 83⁠.⁠ Una neurona Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠ o en ⁠⁠⁠Linkedin⁠⁠. 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠ completas en ⁠https://datos.ninja/podcast/105-linkedin-y-el-entrenamiento-incremental-ml

En el episodio de hoy desciframos qué significa REALMENTE ser data-driven y por qué el 76% de las empresas fracasa en el intento. Descubre cómo diseñar una estrategia de datos que funcione de verdad, no solo que quede bonita en un PowerPoint. ✅ El gran error: pensar que ser data-driven es un proyecto tecnológico (spoiler: es una transformación cultural). ✅ Por qué tener un data warehouse y dashboards no te hace data-driven. ✅ La relación real entre estrategia de negocio y estrategia de datos: primero defines cómo ganar, luego qué capacidades de datos necesitas. ✅ Los 3 pilares fundamentales: cultura organizacional, democratización del dato y alineación con el negocio. ✅ Ejemplos concretos: de la empresa de seguros que ignora sus modelos predictivos al retail de moda que detecta microtendencias. ✅ Cómo medir el éxito con métricas de negocio reales, no técnicas. Y mucho más💥 🎯 Evento SAP - 30 de octubre en Barcelona SAP presenta su nueva visión para la gestión empresarial que combina IA, datos y aplicaciones para liberar todo el potencial de un negocio verdaderamente data-driven. 📍 Llotja de Mar, Barcelona 📅 30 de octubre 2025 Descubre cómo conectar toda la cadena de valor empresarial con capacidades de IA incorporadas y datos contextualizados. Disfruta de paneles con expertos, casos de éxito de clientes, demos en directo y networking del bueno en un lugar incomparable 🤩. 👉 Toda la información y registro: https://go4.events.sap.com/es-sap-business-suite-innovation-day-barcelona/es_es/registration.html?source=marta-arroyo

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🎥 ⁠Sesiones de formación⁠ 👥 Comunidad ninja En el episodio de hoy desvelamos la figura clave en cualquier equipo de datos: el Analista de Datos. Descubre qué hace, qué habilidades necesita y por qué es una de las profesiones con más futuro. ✅ Quién es el Analista de Datos: el detective de la empresa. ✅ Las 5 tareas principales de su día a día: de la pregunta de negocio al dashboard. ✅ Habilidades técnicas (SQL, Power BI, Python...) y blandas (curiosidad, comunicación). ✅ Las herramientas que no pueden faltar en su mochila. ✅ Diferencias clave con el Científico de Datos y el Analista de Negocio. ✅ Por qué es el primer rol de datos que contrata una empresa... Y mucho más💥 Después de conocer a fondo el rol del Analista de Datos, ¿te preguntas si es el camino para ti? Descubre qué rol de datos encaja mejor contigo: 👉 Haz el test aquí: ⁠https://datos.kit.com/roadmap⁠ Episodios anteriores relacionados: ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 6⁠. Tres tipos de análisis de datos y Youtube ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 24⁠. ¿Qué hacen los ingenieros de datos? ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 39⁠. Todos somos analistas de datos ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 77. La importancia del Data Storytelling Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠formulario de contacto⁠⁠⁠ o en ⁠⁠Linkedin⁠. 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠ completas en https://datos.ninja/podcast/103-que-hace-un-analista-de-datos/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🎥 Sesiones de formación 👥 Comunidad ninja En el episodio de hoy descubrimos todo lo que hay detrás de la Inteligencia Artificial que no se ve: el Modern Data Stack. La infraestructura que hace posible que ChatGPT, los dashboards de tu empresa y cualquier solución basada en datos funcione. ✅ Qué es el Modern Data Stack y por qué tiene que importarte✅ Las fases clave: desde la ingesta hasta la gobernanza✅ La evolución desde Hadoop hasta las herramientas en la nube✅ ETL vs ELT: cuándo usar cada enfoque✅ Herramientas específicas para cada fase (Snowflake, dbt, Fivetran...)✅ Por qué los datos por sí solos no valen nada...Y mucho más💥 Después de conocer todo el ecosistema del Modern Data Stack, ¿te preguntas por dónde empezar? Descubre qué rol de datos encaja mejor contigo: 👉 Haz el test aquí: https://datos.kit.com/roadmap Episodios anteriores relacionados: ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 24: ¿Qué hacen los ingenieros de datos? ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 31: Regreso al futuro: el ecosistema Hadoop ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 54: El lago de los datos Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠formulario de contacto⁠⁠ o en ⁠Linkedin. 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠ completas en ⁠https://datos.ninja/podcast/102-modern-data-stack/

🥷 Apúntate a la Comunidad Ninja Accede a todo para convertirte en ninja de los datos: 🎬 Sesiones de formación ⚡️ Podcast premium 🛠 Tutoriales 📚 Resúmenes de libros top Hoy te cuento qué trabajos va a hacer desaparecer la Inteligencia Artificial en los próximos 5 años… y cuáles van a crecer más. No es opinión: me he vuelto a leer (¡3 años después!) el último informe del Foro Económico Mundial (2025) para que tú no tengas que hacerlo. Te cuento: ¿Cuántos empleos se destruyen vs. se crean?Top profesiones al alza (2025–2030)Los empleos más expuestosSectores que más contratarán Habilidades clave para protegerte Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠, en ⁠⁠⁠⁠Twitter⁠⁠⁠⁠, Instagram o ver el episodio en Youtube. ¡Ah! Y apúntate ⁠aquí⁠ (https://datos.kit.com/roadmap) para recibir tu roadmap personalizado para convertirte en ninja de los datos.

🎉 Hemos llegado a 100 🎉 Así que hoy tómate algo a nuestra salud y la de nuestro podcast de confianza. Nos lo hemos ganado 😌 ¡Ah! Y apúntate aquí (https://datos.kit.com/roadmap) para el tema del que hablo en el episodio de hoy 🥷

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 👥 Comunidad ninja En el episodio de hoy seguimos desgranando el estado de la IA en 2024, con un enfoque en la industria, la política y las regulaciones. ¿Listos para más sorpresas? 🚀 NVIDIA reina suprema: GPUs Blackwell, récord de mercado y su dominio inquebrantable... aunque Google, Meta y OpenAI empiezan aintentar desengancharse. 🚀 La batalla de China y EE.UU.: Restricciones de exportación, chips diseñados a medida y laboratorios chinos que siguen innovando contra viento y marea. 🚀 Regulación global: Europa, EE.UU. y China toman caminos muy distintos para regular la IA, con impactos directos en empresas y usuarios. 🚀 El impacto ambiental: Centros de datos voraces en energía, proyectos colosales y una sostenibilidad que deja mucho que desear. Un viaje por los retos y las oportunidades que están definiendo el futuro de la IA. ¡No te lo pierdas! ¡Dale al play! Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠formulario de contacto⁠⁠⁠ o en ⁠⁠⁠Twitter⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 👥 Comunidad ninja En el episodio de hoy repasamos el estado de la Inteligencia Artificial en 2024 basándonos en el informe de Air Street Capital. 🚀 La competencia entre los grandes modelos de lenguaje: Claude 3.5 Sonnet, Gemini 1.5, Grok 2 y el innovador o1 de OpenAI. 🚀 Modelos más pequeños que caben en tu móvil, eficientes gracias a la destilación y la cuantización. 🚀 Avances impresionantes en biología y química con AlphaFold 3 y AlphaProteo, ¡hasta un Nobel por aquí! 🚀 La robótica vuelve al juego con sistemas como AutoRT y las plataformas que están acercando la tecnología a todos. 🚀 Y no nos olvidemos del Deep Learning para modelar el cerebro humano. ¡Dale al play y entérate de todo! Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠formulario de contacto⁠⁠ o en ⁠⁠Twitter⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 👥 Comunidad ninja En el episodio de hoy vamos a hablar de todo lo que siempre quisisteis saber y nunca os atrevisteis a preguntar sobre la certificación de Professional Machine Learning Engineer de Google Cloud. ✅ Cuál es el objetivo de esta certificación ✅ En qué consiste el examen ✅ Recursos para preparar la certificación de Ingeniero de Machine Learning con Google Cloud Platform ...Y mucho más💥 Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠formulario de contacto⁠ o en ⁠Twitter⁠. 🌟 Podéis conseguir la Guía Ninja sobre el Big Data y el Machine Learning ⁠aquí⁠

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠ 👥 Comunidad ninja En el episodio de hoy hablamos de la deriva de los datos, de la deriva conceptual y de todas esas cosas que hacen que nuestro modelo se rompa en producción. Episodios anteriores relacionados: ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 92.⁠⁠ ¿Qué es MLOps? Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ o en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠X⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️ 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠completas en ⁠⁠https://datos.ninja/podcast/96-data-drift-y-concept-drift/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠ 👥 Comunidad ninja En el episodio de hoy hablamos de las mejores prácticas para científicos de datos que te ayudarán a evitar errores comunes y a optimizar tu flujo de trabajo 👩‍💻 Episodios anteriores relacionados: ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 67.⁠ Los cuadernos de Jupyter. ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 70.⁠ Buenas prácticas para el análisis de datos. ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 92.⁠ ¿Qué es MLOps? ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 94. Buenas prácticas para científicos de datos Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ o en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠X⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️ 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠completas en ⁠https://datos.ninja/podcast/95-buenas-practicas-para-cientificos-de-datos-parte-2/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠ 👥 Comunidad ninja En el episodio de hoy hablamos de las mejores prácticas para científicos de datos que te ayudarán a evitar errores comunes y a optimizar tu flujo de trabajo 👩‍💻 Episodios anteriores relacionados: ⭕️ ⁠⁠⁠⁠⁠⁠⁠Episodio 67. Los cuadernos de Jupyter. ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 70. Buenas prácticas para el análisis de datos. ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 92. ¿Qué es MLOps? Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ o en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠X⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️ 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠completas en https://datos.ninja/podcast/94-buenas-practicas-para-cientificos-de-datos/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠ 👥 Comunidad ninja En el episodio de hoy hablamos de los modelos de negocio montados alrededor de la IA generativa y de cómo OpenAI, Microsoft y Meta la monetizan. Desde suscripciones hasta integraciones en productos, conoce los modelos de negocio detrás de la tecnología que está revolucionando el mercado. Episodios anteriores relacionados: ⭕️ ⁠⁠⁠⁠Episodio 55.⁠ La Inteligencia Artificial no es gratis. Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ o en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠X⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️ 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠completas en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://datos.ninja/podcast/93-modelos-negocio-ia-generativa

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠ 👥 Comunidad ninja En el episodio de hoy hablamos de MLOps, el secreto para que nuestros modelos de Machine Learning funcionen bien en el mundo real. Episodios anteriores relacionados: ⭕️ ⁠Episodio 13. Etapas de un proyecto de Machine Learning: El problema ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 14. Etapas de un proyecto de Machine Learning: Los datos ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 15. Etapas de un proyecto de Machine Learning: El modelo ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 16. Etapas de un proyecto de Machine Learning: Despliegue y monitorización Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ o en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠X⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️ 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠completas en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://datos.ninja/podcast/92-que-es-mlops

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠ 👥 Comunidad ninja En el episodio de hoy resuelvo vuestras preguntas. En el episodio de hoy, Óscar quiere saber qué laptop elegir para empezar en Machine Learning sin quedarse corto a futuro. Francisco, estudiante de Matemáticas, busca recomendaciones de recursos para iniciarse en Big Data y Data Science. Por su parte, Maximiliano, ingeniero industrial en plena transformación profesional, pregunta por un camino de conocimientos básicos para ser Data Analyst o Data Engineer y sitios donde practicar SQL. Episodios anteriores relacionados: ⭕️ Episodio 51. La caja de herramientas del científico de datos ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 78. Herramientas de visualización ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 79. PowerBI vs Tableau vs Qlik Sense: FIGHT! 🔥 ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 24. ¿Qué hacen los ingenieros de datos? Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ o en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠X⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️ 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠completas en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://datos.ninja/podcast/91-preguntas-y-respuestas-2

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠ 👥 Comunidad ninja 🎙️ Hoy hablamos sobre los métodos de ensemble en Machine Learning, cómo funcionan técnicas como bagging, boosting y stacking. 🌳🌲🌴 Episodios relacionados: ⭕️ ⁠⁠⁠⁠Episodio 7.⁠ Árboles 🌳. ⭕️ ⁠Episodio 68. Kaggle y el Machine Learning de competición. Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ o en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠X⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️ 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠completas en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://datos.ninja/podcast/90-ensemble-learning/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷 Accede a todo el contenido para convertirte en un ninja de los datos: ⚡️ ⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠ 📚 ⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠ 👥 Comunidad ninja 🎙️ Hoy te cuento cómo funcionan los árboles de decisión en Machine Learning. Sus ventajas, desventajas y cómo se entrenan para que no tengan secretos para ti 🌳🌲🌴 También tienes este tutorial guiado para poner en práctica todo lo aprendido y dominar los árboles de decisión 🥷. Episodios relacionados: ⭕️ ⁠Episodio 7. ¿Qué es el Machine Learning? ⭕️ Episodio 80. Machine Learning 101. ⭕️ ⁠Episodio 22. Las claves del aprendizaje supervisado. ⭕️ ⁠⁠Episodio 83. Una neurona. Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ o en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠X⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡Apoya el podcast!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ☕️ 📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠completas en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://datos.ninja/podcast/89-arboles-decision-machine-learning/