Feature Store – El corazón de los modelos productivos

t-SNE y UMAP – Visualizando el caos de los datos complejos

PCA – Simplifica tus datos sin perder la esencia

DataOps – El flujo invisible que hace posible la ciencia de datos

Del dato al modelo – Construyendo y automatizando pipelines de Machine Learning con MLOps

Explicabilidad – Entender el porqué detrás de los modelos

Overfitting vs Underfitting – El dilema eterno del machine learning

NLP – Cómo enseñar a las máquinas a entender texto

Inteligencia Artificial y Ciencia de Datos – La dupla que está cambiando el mundo

Regularización – Cómo evitar que tu modelo se enamore demasiado de los datos

Gradiente Decreciente – El motor detrás del aprendizaje automático

Redes neuronales – Cómo las máquinas aprenden como el cerebro

Prophet – Predicciones robustas para retail y más

ARIMA y SARIMA – Pronostica el futuro con series de tiempo

Gradient Boosting – El modelo que rompe récords en predicción

Optimización de hiperparámetros – Cómo llevar tu modelo de bueno a brutal

Métricas para modelos – No todo es accuracy

Validación de modelos – No te creas cualquier predicción

Reducción de dimensionalidad – Simplifica tus datos sin perder lo importante

Clustering con K-Means – Encuentra patrones donde nadie más los ve