Un usuario informa que Qwen 3.6 27B, ejecutado localmente en una computadora portátil, sobresale en tareas de ciencia de datos como llamadas a herramientas y depuración de transformación de datos. Su rendimiento fue tan impresionante que están considerando cancelar las suscripciones a la nube, encontrándolo perfecto para trabajos con pyspark/python.
Un pequeño modelo MLP predice con precisión 58 parámetros de forma corporal Anny a partir de 8 entradas de cuestionario, superando los métodos existentes basados en fotos y regresión lineal. La innovadora función de pérdida de entrenamiento del modelo es clave para su precisión superior, logrando errores absolutos medios bajos para mediciones corporales críticas.
Este artículo aborda el proceso y las consideraciones para entrenar modelos de IA personalizados. Explora los desafíos y beneficios de desarrollar capacidades internas de inteligencia artificial.
Foi desenvolvida e lançada uma ferramenta gratuita para avaliar a qualidade de datasets (LQS), permitindo fazer upload de dados e obter uma pontuação detalhada em 7 dimensões. A ferramenta suporta formatos comuns de ML e busca feedback de profissionais sobre sua metodologia e relevância.
Este artículo compara las APIs de IA de código abierto con el autoalojamiento de modelos para pequeñas prácticas de ciencia de datos, analizando costos y viabilidad. Ofrece la perspectiva de un científico de datos sobre la elección del enfoque óptimo.
Esta guía detalla la configuración de JupyterHub en un servidor GPU en la nube para habilitar entornos colaborativos y multiusuario para proyectos de IA. Explica cómo JupyterHub gestiona servidores de cuadernos Jupyter individuales, proporcionando acceso compartido a una potencia computacional significativa.
Los Árboles de Decisión son modelos intuitivos de aprendizaje automático que imitan los procesos de toma de decisiones humanas mediante una secuencia de preguntas de sí/no. Son fundamentales no solo como modelos independientes, sino también como base para algoritmos más potentes en el aprendizaje automático moderno.
Un científico de datos explora la optimización de costos en modelos de lenguaje grandes, detallando comparaciones de precios de API para modelos como GPT-4o, DeepSeek y Qwen. El artículo demuestra cómo el uso estratégico de una plataforma de API unificada puede generar ahorros significativos, presentando datos estadísticos y ejemplos prácticos.
Amazon anuncia tres nuevas capacidades en SageMaker Python SDK v3.8.0 para acelerar los pipelines de características de ML. La publicación proporciona ejemplos de código y enlaces a cuadernos para tutoriales completos, que cubren la gobernanza de Lake Formation y las propiedades de las tablas de Iceberg.
Este contenido describe un método de agrupamiento jerárquico que aprovecha la información mutua. Explora cómo la información mutua puede aplicarse para construir una estructura de agrupamiento robusta y eficaz.
Este artículo explora cómo los agentes de IA están redefiniendo los flujos de trabajo de la ciencia de datos y las habilidades que los profesionales necesitarán en 2026.
Este contenido profundiza en la Factorización de Matrices No Negativas (NMF), examinando algoritmos, estrategias de inicialización y su convergencia. Ofrece un análisis detallado de cómo estos factores influyen en el rendimiento y la estabilidad de las soluciones NMF.
El contenido explica que los DataFrames de Pandas son esenciales para manejar datos del mundo real en IA y ciencia de datos, funcionando como una hoja de cálculo etiquetada en contraste con las cuadrículas de números de NumPy. Define un DataFrame como una tabla con filas y columnas etiquetadas y proporciona un ejemplo en Python.
Este trabajo propone un enfoque basado en redes neuronales para predecir la rotación de clientes en servicios de redes celulares. El objetivo es identificar patrones de comportamiento de los usuarios para anticipar el abandono del servicio.
Este manuscrito introduce el Data Driven Variational Basis Learning (DVBL), un novedoso marco no neuronal para aprender funciones de base adaptativas a los datos directamente de datos de alta dimensión. Proporciona una alternativa explícita, interpretable y matemáticamente transparente a las redes neuronales para el aprendizaje de representaciones, abordando sus limitaciones en control y transparencia.
CAWI propone un nuevo marco de inicialización de pesos para Redes Neuronales Aleatorias (RdNNs) que aborda la limitación de la inicialización aleatoria convencional que ignora la dependencia entre características. Utiliza una cópula ajustada a los datos para asegurar que las proyecciones congeladas respeten la dependencia empírica, mejorando el acondicionamiento y el rendimiento predictivo.
Este artículo introduce 40 funciones de ventana SQL avanzadas esenciales para científicos de datos. Destaca la importancia de dominar estas características para sobresalir en la manipulación, agregación y análisis de datos más allá del SQL básico.
Este artigo apresenta um levantamento e uma taxonomia abrangente de métodos de amostragem de grafos. O estudo organiza e classifica as diversas técnicas existentes, oferecendo uma visão estruturada sobre o tema.
Un estudiante de ciencias de la computación narra cómo utilizó IA Semántica y un pipeline de aprendizaje automático de alto rendimiento para clasificar datos de 5.000 años de historia del arte en un hackathon. A pesar de los registros desordenados, el proyecto logró una precisión verificada del 94,10%.
Este estudio describe la construcción automática de un grafo de citas legales a partir de 100 millones de decisiones judiciales ucranianas. El análisis revela que la estructura de citas judiciales codifica los límites del dominio legal y predice la importancia legislativa futura con alta precisión.