Diferenciación Automática: cómo una computadora calcula derivadas solas
Entendé cómo funciona el autograd por dentro: grafos computacionales, regla de la cadena, forward y backward pass. Implementación mínima en Python basada en micrograd de Andrej Karpathy.
Regresión Logística: la recta que se dobla en curva
Aprende cómo funciona la regresión logística desde cero: por qué se usa la función sigmoide, qué es la frontera de decisión y cómo pasar de una recta a una predicción binaria en Python.
Funciones de pérdida: MSE, Cross-Entropy y cuándo usar cada una
Aprende qué es una función de pérdida, por qué el ECM no sirve para clasificación, qué es Cross-Entropy y cuáles son las funciones de pérdida más importantes en Machine Learning.
Normalización de datos: qué es, para qué sirve y cómo revertirla
Aprende qué es la normalización de datos en Machine Learning, cuándo usar la estandarización Z-score, cómo aplicarla con Python y sklearn, y cómo recuperar los valores originales.
Conjunto de entrenamiento y de test: por qué dividir un dataset
Qué es el training set y el test set, por qué son claves para evitar sobreajuste y cómo dividir datos en Python con train_test_split de scikit-learn.
De la parábola a la derivada: cómo el gradiente descendente encuentra el mínimo
Visualizá la curva de error J(w), entendé la derivada como brújula matemática y seguí paso a paso cómo el gradiente descendente reduce el error hasta que la pendiente es casi cero.
Varianza, Desviación Estándar y Coeficiente de Variación en Python
Aprende a calcular varianza, desviación estándar y coeficiente de variación en Python usando criptomonedas como ejemplo práctico para medir volatilidad.
Derivadas del Error Cuadrático Medio: De la teoría a la práctica
Una de las partes confusas del Machine Learning es entender **cómo se calculan las derivadas** del Error Cuadrático Medio (ECM) para actualizar los pesos del modelo. En este post voy a explicar paso a paso, con mucho detalle, cómo llegamos a las fórmulas que usamos en el gradiente descendente..
Error Cuadrático Medio (MSE): La métrica fundamental del Machine Learning
Aprende qué es el Error Cuadrático Medio (MSE), cómo se calcula, por qué es la métrica más usada en regresión y cómo implementarlo en Python con ejemplos prácticos.
Yagware ahora tiene facturación electrónica AFIP integrada
Presentamos la nueva integración directa con AFIP para emitir comprobantes electrónicos desde Yagware sin pasos extra. Más rápido, más simple, sin errores.
Cómo configurar Jupyter Notebook con Docker y VS Code Dev Containers
Aprende a crear un entorno de desarrollo reproducible y portable para Python, machine learning y análisis de datos usando Docker y VS Code Dev Containers.
5 consejos para gestionar mejor el stock de tu negocio
El control de inventario es clave para evitar pérdidas y mejorar la rentabilidad. Te compartimos 5 estrategias prácticas que podés aplicar hoy mismo con Yagware.