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.

Entrenar un modelo es solo el comienzo. En este episodio te contamos cómo construir pipelines de Machine Learning y llevarlos al siguiente nivel con MLOps, la práctica que conecta la ciencia de datos con la ingeniería para automatizar, desplegar y monitorear modelos en producción.

Aprenderás qué herramientas se usan (Airflow, MLflow, Docker, Kubernetes), cómo mantener modelos actualizados y cómo evitar el caos de los “notebooks eternos”.

Si quieres que tus modelos no se queden en el laboratorio, sino que generen valor real en el negocio, este episodio es para ti.