Big Data e Inteligencia Artificial

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠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 expuestos Sectores que más contratarán en los próximos 5 años 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. Recordad que si tenéis cualquier duda, pregunta o comentario podéis contactar conmigo a través del ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ o en ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠X⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠. ☕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠¡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 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 🌳🌲🌴 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/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠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 cómo se usa los datos y el ML en el sector de los viajes. Próximamente una IA te planificará las vacaciones 😎🍹 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/88-viajar

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠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 transparencia en los modelos de Machine Learning y la importancia de elegir transparencia frente a rendimiento y potencia en algunos casos de uso reales. Episodios anteriores relacionados: ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 22.⁠⁠⁠⁠ Las claves del aprendizaje supervisado ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 80.⁠⁠⁠ Machine Learning 101 ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠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/87-transparencia

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠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. Enrique pregunta cómo entrar en el mercado laboral de análisis de datos y qué cursos seguir. Noelia desea saber las diferencias y puntos en común entre los roles de Data Analytics y Analista de Automatización, y cómo implementar un sistema de Data Analytics en una empresa. Eric busca orientación sobre cursos accesibles en inteligencia artificial aplicada a la salud, y Almudena está preocupada por la fiabilidad de un curso de Big Data que su hijo desea realizar. Episodios anteriores relacionados: ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 29.⁠⁠⁠ Cómo convertirse en un ninja del Big Data y la Inteligencia Artificial  ⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 50.⁠⁠ Elegir un programa de formación en Inteligencia Artificial 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/86-preguntas-y-respuestas