No se pierda nunca una nueva edición de The Variable, nuestro boletín semanal que presenta una selección de primer nivel de selecciones de los editores, análisis profundos, noticias de la comunidad y más.
Sí, estamos en 2026 y ya estamos enfocados en un año lleno de acontecimientos de crecimiento y aprendizaje aquí en TDS. También publicamos muchos artículos estelares el mes pasado, incluso en plena temporada navideña, y no queremos que se pierda ninguno de ellos.
Esta semana, dedicaremos la Variable a un último hurra de 2025, destacando algunas de nuestras historias más populares de diciembre. Sin embargo, no se equivoque: cubren temas oportunos y procesables en aprendizaje automático, ciencia de datos e inteligencia artificial, y seguirán siendo relevantes durante las próximas semanas y meses.
GraphRAG en la práctica: cómo construir sistemas de recuperación rentables y de alta recuperación
Cuando los sistemas RAG “básicos” ya no sean suficientes, es posible que desee explorar el poder de GraphRAG, y la guía detallada de Partha Sarkar es un excelente punto de partida para cualquier persona interesada en probar este poderoso enfoque, que aprovecha las tuberías híbridas y puede generar costos más bajos.
Seis lecciones aprendidas sobre la construcción de sistemas RAG en producción
Para obtener conocimientos prácticos adicionales de RAG, recomendamos encarecidamente el resumen de mejores prácticas de Sabrine Bendimerad, que cubre la calidad de los datos, la evaluación y más.
Cómo utilizar contratos de datos simples en Python para científicos de datos
Rápido y centrado, Eirik Berge presenta una guía para utilizar la biblioteca de código abierto Pandera cuando se pretende definir esquemas como objetos de clase.
Otros aspectos destacados de diciembre
Desde aprender algoritmos con Excel hasta mejorar el rendimiento de Pandas, estas son algunas de las historias más leídas y compartidas del mes pasado.
Serie “Calendario de Adviento” de aprendizaje automático y aprendizaje profundo: The Blueprint, por Angela Shi
Cómo funcionan las transferencias de agentes en sistemas multiagente, por Kenneth Leung
Lectura de artículos de investigación en la era de los LLM, por Parul Pandey
7 trucos de rendimiento de Pandas que todo científico de datos debería conocer, por Benjamin Nweke
Qué sucede cuando creas un LLM usando solo 1 y 0, por Moulik Gupta
Conozca a nuestros nuevos autores
Esperamos que se tome el tiempo para explorar el excelente trabajo de los contribuyentes de TDS que recientemente se unieron a nuestra comunidad:
Jasper Schroeder compartió conclusiones útiles del desafío de programación Advent of Code que completó recientemente.
Morris Stallmann (con el coautor Sebastian Humberg) ofreció una introducción pragmática y completa sobre la deriva de datos (y cómo detectarla de manera oportuna).
Alon Lanyado se centró en un desafío diferente al que suelen enfrentarse los científicos de datos y los profesionales del aprendizaje automático: el cambio de covarianza.
¿Tus propósitos de Año Nuevo incluyen publicar en TDS y unirte a nuestro Programa de pago para autores? ¡Ahora es el momento de enviar tu último borrador!