Os dejamos nuestra recopilación de las 11 mejores herrramientas Open Source, que si te dedicas al Machine Learning no debes dejar de conocer y usar: TensorFlowTensorFlowAn end-to-end open source machine learning platform for everyone. Discover TensorFlow’s flexible ecosystem of tools, libraries and community resources.TensorFlow2.   Scikit-learn scikit-learn: machine learning

KNIME es una plataforma open source para analítica de Business Intelligence, Machine Learning y ETL mediante un simple proceso de drag and drop (arrastrar y soltar). KNIME proporciona una plataforma con una interfaz gráfica de usuario donde se pueden crear flujos de trabajo rápidamente por individuos sin demasiada experiencia técnica

Os presentamos PyCaret, una biblioteca de Machine Learning de código abierto en Python que entrena y despliega modelos de Machine Learning en un entorno de código bajo. En comparación con las otras bibliotecas de Machine Learning de código abierto, PyCaret es una biblioteca alternativa de bajo código que puede utilizarse

spaCy es una librería de Python que permite construir aplicaciones de procesamiento de lenguaje natural (NLP). spaCy proporciona modelos preentrenados de diferentes lenguajes, lo cual junto a una sintaxis clara hace que sea ideal para principiantes en el campo de la NLP. Además, permite crear modelos nuevos o reentrenar los

En la mayoría de ocasiones, después de hacer un cálculo, queremos mostrar de forma sencilla algún resultado de tal forma que cualquiera lo pueda visualizar. Sin embargo, a veces el resultado no es algo sencillo y queremos proporcionar herramientas para que otros puedan “juguetear” los datos y que vean actualizaciones

Hace unas pocas semanas, más de 300 apasionados del deporte, del futbol sobre todo, y de los datos, se reunieron en el Workshop práctico de algo más de dos horas que realizaron los compañeros de Stratebi Os dejamos el enlace en donde podéis tener acceso al Workshop completo, en donde

En el mundo de ciencia de datos, en Python son indispensables dos librerías que introducen las estructuras fundamentales para representar y manipular los datos: numpy con su array N-dimensional y pandas con su Series y DataFrame. Son la base de cualquier software científico y de análisis de datos, como SciPy

Dado que existen muchos algoritmos, como hemos venido contando ultimamente , os vamos a dar unas pistas para ayudaros:  1. Cuando usar Machine Learning Lo primero que tenemos que tener en cuenta es que, aunque hablar y usar Machine Learning es una tendencia y es 'cool', debemos ser conscientes de