Codificando Bits

Blog

Artículos que complementarán tu aprendizaje del Machine Learning, la Ciencia de Datos y la Inteligencia Artificial.

La distribución Gaussiana (o Normal)

14/07/2025

En este artículo vamos a entender qué es la distribución Gaussiana, cuáles son sus características y por qué resulta importante entender esta distribución en Ciencia de Datos.

¿Qué es una distribución de probabilidad?

23/06/2025

En este artículo vamos a entender en detalle qué es una distribución de probabilidad y su importancia en la Ciencia de Datos.

Generación Aumentada por Recuperación (RAG): solución a las alucinaciones en los Grandes Modelos de Lenguaje

07/11/2024

Descubre qué es la Generación Aumentada por Recuperación (RAG) y cómo funciona paso a paso para solucionar el problema de las alucinaciones en los Grandes Modelos de Lenguaje (LLMs).

Estrategias para el manejo de datos desbalanceados en el Machine Learning

24/10/2024

Aprende qué son los datos desbalanceados en Machine Learning, cómo el uso de la exactitud puede sesgar tus modelos, y domina las estrategias técnicas como SMOTE, ponderación de clases y las métricas Precision y Recall para resolverlo de forma efectiva.

Qué es una Base de Datos Vectorial y su rol en la Inteligencia Artificial

21/10/2024

Descubre qué es una base de datos vectorial, cómo funciona junto a los embeddings y los grandes modelos de lenguaje (LLMs), y por qué es el motor de búsqueda central en las aplicaciones modernas de Inteligencia Artificial

Cómo entrenar redes convolucionales con imágenes de tamaño variable

14/10/2024

Descubre cómo entrenar redes convolucionales cuando tu set de datos tiene imágenes de tamaño variable. Aprende a aplicar técnicas de preprocesamiento como cropping, padding y resizing, y cómo usar histogramas para elegir el mejor tamaño de entrada como hiperparámetro.

¿Cómo entrenar una Red Convolucional con imágenes de diferentes tamaños?

14/10/2024

En este artículo veremos qué alternativas existen para ajustar las imágenes de un set de datos a un tamaño uniforme para de esta forma poder entrenar correctamente la red y lograr obtener además el mejor desempeño posible

Interpretabilidad y explicabilidad en modelos de Machine Learning

30/09/2024

Descubre qué son la interpretabilidad y la explicabilidad en modelos de Machine Learning. Aprende mediante ejemplos reales (diagnóstico médico, créditos bancarios y vehículos autónomos) por qué es vital entender cómo la Inteligencia Artificial toma decisiones y en qué situaciones de alto impacto debes aplicar cada concepto.

Métodos simples para generar pronósticos en Series de Tiempo

16/09/2024

Aprende cómo generar pronósticos en series de tiempo utilizando métodos simples como el Ingenuo (Naïve) y Deriva Estacional. Ideales como modelos base en Machine Learning.

Superresolución con Redes Convolucionales en la Visión por Computador

02/09/2024

Descubre qué es la superresolución de imágenes en visión por computador y cómo utilizar redes neuronales convolucionales (Deep Learning) para incrementar el número de píxeles y realzar los detalles visuales de tus imágenes.

Qué son los Autoencoders y sus aplicaciones en el Deep Learning

26/08/2024

Descubre qué son los Autoencoders en Deep Learning, cómo funcionan internamente (codificador, representación compacta y decodificador) y sus principales aplicaciones en la detección de anomalías, limpieza y generación de datos.

Algoritmo YOLO para la detección de objetos: cómo funciona paso a paso

05/08/2024

Descubre en detalle cómo funciona el algoritmo YOLO para la detección de objetos en imágenes. Aprende sobre bounding boxes, Intersección sobre Unión (IoU), Supresión de No Máximos y el proceso de entrenamiento paso a paso.

© Codificando Bits, LLC | Blog | Contacto | Servicios | Acerca de | Políticas