La inteligencia artificial ya no solo predice: ahora crea.
Texto, imágenes, música, videos, código… todo generado por modelos avanzados capaces de aprender patrones complejos y producir contenido nuevo.

En este episodio exploramos:
🔹 Qué es la IA Generativa y por qué es tan disruptiva
🔹 Cómo funcionan modelos como GANs, Diffusion Models y LLMs
🔹 Casos de uso reales en empresas y productos
🔹 Riesgos, ética y desafíos del contenido sintético
🔹 El futuro: multimodalidad, agentes y creatividad asistida por IA

Si quieres entender la tecnología que está redefiniendo industrias completas, este episodio es para ti.

Los modelos de lenguaje masivo (LLMs) están cambiando el mundo. En este episodio te contamos qué son, cómo funcionan y por qué están transformando la ciencia de datos, el análisis y la forma en que trabajamos.

Exploramos su historia, arquitectura (Transformers), casos de uso reales y lo que viene: modelos abiertos, multimodales y especializados.

Si quieres entender cómo llegamos a ChatGPT y por qué esto apenas comienza, este episodio es para ti.

Los modelos de machine learning solo funcionan bien si las features que los alimentan son consistentes, actualizadas y confiables. En este episodio te explicamos qué es una Feature Store, cómo funciona y por qué es clave para escalar proyectos de data science.

Hablamos de herramientas como Feast, Tecton y Vertex AI Feature Store, y cómo estas plataformas conectan el mundo del DataOps con el MLOps.

Si quieres que tus modelos sean realmente productivos, este episodio es para ti.

Cuando los datos tienen demasiadas dimensiones, los patrones se esconden. En este episodio te contamos cómo los algoritmos t-SNE y UMAP te permiten reducir esa complejidad y descubrir estructuras ocultas en los datos.

Exploramos sus diferencias, casos de uso y cómo aplicarlos para visualizar clusters, embeddings o grupos de clientes.

🎯 Si te gusta entender tus datos más allá de las tablas, este episodio es para ti.

Cuando tienes demasiadas variables, los patrones se esconden. El Análisis de Componentes Principales (PCA) te ayuda a reducir la complejidad de los datos sin perder lo importante.

En este episodio te explicamos cómo funciona, por qué es tan usado en ciencia de datos y cómo aplicarlo para visualizar, comprimir o limpiar datasets.

Si quieres entender cómo resumir tus datos sin perder información clave, este episodio es para ti.