La Inteligencia Artificial (IA) es una tecnología que está revolucionando la sociedad y transformando casi todas las actividades. En el caso de la banca, la IA tiene la capacidad de transformar la forma en la que presta los servicios a sus clientes. Simplificado los procesos, mejorando la eficiencia, la seguridad y la experiencia de cliente. En esta publicación analizaré cuatro … [Leer más...] acerca de Cuatro Aplicaciones de la Inteligencia Artificial en Banca
Eliminar las filas con valores nulos en Pandas
Cuando se importa un conjunto de datos en un DataFrame de Pandas es posible que existan valores nulos. Cuya presencia puede afectar a las conclusiones de los análisis que se desean realizar. Para evitar esto una posible solución es eliminar las filas con valores nulos, tanto sea en una única columna, en cualquiera o en un subconjunto.Conjuntos de datos con valores nulos en … [Leer más...] acerca de Eliminar las filas con valores nulos en Pandas
Método de la interpolación cuadrática inversa e implementación en Python
El método de la interpolación cuadrática inversa es un algoritmo para localizar las raíces de funciones. La idea básica detrás de este método es utilizar una interpolación cuadrática de la función, para la que se usan tres puntos, y obtener emplear la raíz de esta como aproximación del resultado buscado. Veamos más en detalle los fundamentos de este método y como se puede hacer … [Leer más...] acerca de Método de la interpolación cuadrática inversa e implementación en Python
Diferencias entre CPU, GPU, TPU y NPU
A la hora de hablar de procesadores en muchas ocasiones aparecen conceptos como CPU, GPU, TPU y NPU. Cada una de estas siglas hacen referencia a un tipo de procesador que es adecuado para un tipo de aplicación específica, incluyendo los modelos de aprendizaje automático. La CPU y GPU son los procesadores que se encuentran en los ordenadores domésticos, aunque cada vez existen … [Leer más...] acerca de Diferencias entre CPU, GPU, TPU y NPU
Obtener los índices de los N valores máximos en NumPy
En NumPy existe la función np.max() para obtener el máximo de un vector o matriz y np.argmax() para obtener la posición del máximo. De forma análoga también existen las funciones np.min() y np.argmin() para el caso de querer obtener el mínimo o su posición. Pero, en el caso de que se desee obtener los índices de los N valores máximos en NumPy no existe una función directa y es … [Leer más...] acerca de Obtener los índices de los N valores máximos en NumPy
El método de Laguerre e implementación en Python
Cuando se necesita encontrar las raíces de polinomios complejos uno de los algoritmos que se pueden emplear es el método de Laguerre. Un método numérico propuesto por el matemático francés Edmond Laguerre en 1880. El método, al igual que el de Newton-Raphson para las raíces de funciones, utiliza las derivadas para aproximarse de manera iterativa a las raíces de los polinomios … [Leer más...] acerca de El método de Laguerre e implementación en Python
Poe: ChatGPT y otros modelos generativos en el móvil
Para poder acceder a ChatGPT es necesario acceder al navegador e iniciar la sesión con una cuenta de OpenAI, algo que puede generar algunas fricciones especialmente cuando se desee usar desde un móvil. En donde suele ser más sencillo usar una aplicación. Para estas situaciones una posible solución puede ser Poe, una aplicación para iPhone o disponible como aplicación web, en la … [Leer más...] acerca de Poe: ChatGPT y otros modelos generativos en el móvil
Gráficos de cascada: visualizar la evolución de los datos en Python
Los gráficos de cascada (Waterfall charts) son una herramienta para visualizar de una forma sencilla cómo se acumulan los valores positivos y negativos en una serie de datos. Pudiendo ofrecer en algunos casos más información que los gráficos de barras o líneas. Actualmente no existe en Matplotlib o Seaborn una forma sencilla de crear estos gráficos, pero existen otros paquetes … [Leer más...] acerca de Gráficos de cascada: visualizar la evolución de los datos en Python
Semana sin publicaciones
Como es habitual durante esta semana no habrá nuevas publicaciones en Analytics Lane, pero no os preocupes ya que volveremos con nuevas publicaciones el lunes 10 de abril.Aprovecho la ocasión para recordaros que para estar al día de todas nuestras publicaciones os podéis dar de alta en el boletín de noticias. Boletín que se envía todos los lunes con las últimas … [Leer más...] acerca de Semana sin publicaciones
Cuatro libros para aprender Pandas
Pandas es la librería de referencia para el manejo de datos en Python. Una herramienta compleja que puede ayudarnos a resolver una gran cantidad de problemas con los que necesitamos lidiar en el día a día como analistas o científicos de datos. Existen múltiples libros que pueden ser una excelente opción para iniciarse y profundizar en el tema. Por lo que en esta publicación he … [Leer más...] acerca de Cuatro libros para aprender Pandas
Mochi Diffusion: Stable Diffusion con Core ML
Recientemente publique el análisis de DiffusionBee, una interfaz gráfica de usuario para la creación de imágenes a partir de cadenas de texto (prompt) para Mac, y próximamente también para Windows. Un programa que facilita la evaluación de este tipo de tecnología ya que se instala como cualquier otro programa de Mac. Mochi Diffusion es una alternativa que usa la implementación … [Leer más...] acerca de Mochi Diffusion: Stable Diffusion con Core ML
Gráficos de densidad: alternativa a los gráficos de dispersión en Python
En una publicación anterior se vieron algunos de los problemas que muestran los gráficos de dispersión cuando se cuentan con grandes conjuntos de datos, proponiendo en aquella ocasión el uso de los gráficos de Hexbin como alternativa. Otros gráficos que se pueden emplear en estas situaciones son los gráficos de densidad. Unos gráficos en los que se dibujan los contornos en los … [Leer más...] acerca de Gráficos de densidad: alternativa a los gráficos de dispersión en Python