Introducción Los tests de software son pruebas que se realizan sobre un fragmento de código o un software entero para validar que el comportamiento de éste es el esperado. El principal propósito de los tests es detectar errores en el…
Introducción Una regresión lineal es un modelo que se usa para aproximar la relación lineal entre una variable dependiente Y y un conjunto de variables independientes X. En formato matricial puede expresarse como donde ε es un vector de términos…
Introducción En este post vamos a hablar de cómo DBT se integra con Spark y para qué puede resultarnos útil dicha integración. DBT es un framework que nos facilita el diseño del modelado de datos a lo largo de los…
Introducción En un artículo anterior de nuestro blog, analizamos desde el punto de vista teórico cuáles son las principales librerías para ciencia de datos y machine learning que utilizan los data scientists para tratar los datos de una forma eficiente…
Introducción La ciencia de datos es un área interdisciplinar que se encarga de extraer conocimiento e información útil de los datos. Y, dada la gran cantidad de datos que generan las empresas, es importante que los data scientists dispongan de…
Introducción La regresión es una metodología estadística que describe las relaciones entre una variable explicada continua y un conjunto de variables explicativas. En otras palabras, los modelos de regresión son capaces de predecir el valor de una variable dependiente y…
Introducción Recientemente, el equipo de OpenAI ha lanzado ChatGPT, una nueva herramienta de conversación basada en aprendizaje profundo que promete mejorar la interacción humano-máquina en diversos entornos. ChatGPT está diseñado para comprender el lenguaje natural y proporcionar respuestas coherentes y…
Introducción En los últimos años, hemos visto una gran evolución en el lenguaje de programación Python a medida que este ha ido ganando popularidad hasta posicionarse en el podio de los lenguajes de programación más usados. La implicación de la…
Introducción Desde el lanzamiento de nuestro plugin PDI de Pentaho para Apache Airflow, hemos visto un cambio en la industria hacia el uso de Apache Hop para el procesamiento de datos. ¿Qué es Apache Hop? Apache Hop comenzó (a finales…
Introducción Apache Spark es un framework open source que nos permite procesar grandes volúmenes de datos de forma distribuida. ¿Cómo? Dividiendo los grandes volúmenes de datos, imposibles de procesar en una máquina, y repartiendolos entre los diferentes nodos del clúster.…