Guías y tutoriales prácticos de Python para ciencia de datos
Guía completa de NumPy 2.4 para ciencia de datos en Python. Arrays, vectorización, broadcasting y las novedades de enero 2026 con ejemplos prácticos listos para usar.
Aprende a construir pipelines de machine learning robustos con scikit-learn 1.8. Guía práctica con ColumnTransformer, validación cruzada, GridSearchCV, soporte GPU y código funcional listo para producción.
Aprende a crear gráficos profesionales con Matplotlib 3.10 y Seaborn 0.13 en Python. Incluye código funcional para histogramas, boxplots, heatmaps, PairGrid, FacetGrid y dashboards multi-panel.
Aprende a migrar de Pandas a Polars con ejemplos de código lado a lado. Comparación de rendimiento, evaluación lazy, streaming para datos masivos, aceleración GPU y estrategia de migración progresiva para 2026.
Aprende a analizar series temporales con Pandas 3.0 y Python. Desde DatetimeIndex y resample hasta rolling windows, descomposición STL y pronóstico con ARIMA y SARIMA, todo con código funcional y ejemplos actualizados.
Guía práctica de limpieza de datos con pandas 3.0. Construye pipelines reproducibles con .pipe(), gestiona valores faltantes, duplicados y outliers. Incluye Copy-on-Write, PyArrow y ejemplos con dataset real de e-commerce.
Domina la ingeniería de características en Python con esta guía práctica. Aprende a crear pipelines reproducibles con Pandas, Scikit-learn y Feature-engine: imputación, codificación, escalado, outliers y selección de variables.