{"id":133802,"date":"2021-12-14T16:18:12","date_gmt":"2021-12-14T15:18:12","guid":{"rendered":"https:\/\/multi.datascientest.com\/?p=133802"},"modified":"2023-10-30T17:36:54","modified_gmt":"2023-10-30T16:36:54","slug":"pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook","status":"publish","type":"post","link":"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook","title":{"rendered":"PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"133802\" class=\"elementor elementor-133802\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-8712de5 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"8712de5\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-528b953\" data-id=\"528b953\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-5f4ad57 elementor-widget elementor-widget-text-editor\" data-id=\"5f4ad57\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<h2><strong>Al ser el lenguaje Python uno de los m\u00e1s utilizados, contiene muchos frameworks y muchos los desarrolla exclusivamente para la Data Science. En este art\u00edculo, vamos a hablar detalladamente de uno de ellos. PyTorch.<\/strong><\/h2>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-057275d elementor-widget elementor-widget-text-editor\" data-id=\"057275d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">La popularidad de <a href=\"https:\/\/datascientest.com\/es\/data-science-definicion-problematica-y-casos-de-uso\">la Data Science<\/a> no ha dejado de crecer en los \u00faltimos a\u00f1os, y con ella una explosi\u00f3n de recursos puestos a disposici\u00f3n de los programadores: ya no es necesario escribir todo el c\u00f3digo a mano. Entornos de programaci\u00f3n como <\/span><a href=\"https:\/\/pytorch.org\/\"><span style=\"font-weight: 400;\">PyTorch<\/span><\/a><span style=\"font-weight: 400;\">, llamados \u201cframeworks\u201d o marcos de trabajo, permiten utilizar modelos complejos en muy pocas l\u00edneas.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1f52054 elementor-widget elementor-widget-heading\" data-id=\"1f52054\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h3 class=\"elementor-heading-title elementor-size-default\">La historia de PyTorch\n<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-86f0e87 elementor-widget elementor-widget-text-editor\" data-id=\"86f0e87\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Los <\/span><b>frameworks permiten dar un marco y herramientas para facilitar la programaci\u00f3n<\/b><span style=\"font-weight: 400;\">. Por lo general <\/span><b>se desarrollan en \u201copen source\u201d<\/b><span style=\"font-weight: 400;\">, es decir que cualquier puede modificar y acceder al c\u00f3digo, lo que permite fiabilidad, transparencia y un mantenimiento continuo.<\/span><\/p><p><span style=\"font-weight: 400;\">PyTorch no es ninguna excepci\u00f3n. Basado en la antigua biblioteca Torch, <\/span><b>PyTorch fue lanzado oficialmente en 2016<\/b> <b>por un equipo del laboratorio de investigaci\u00f3n de Facebook<\/b><span style=\"font-weight: 400;\">, y desde entonces se ha desarrollado en open source. El objetivo de este framework es permitir <\/span><b>la implementaci\u00f3n y el entrenamiento de modelos de Deep Learning<\/b><span style=\"font-weight: 400;\"> de manera sencilla y eficiente. Su fusi\u00f3n en 2018 con <\/span><a href=\"https:\/\/caffe2.ai\/\"><span style=\"font-weight: 400;\">Caffe2<\/span><\/a><span style=\"font-weight: 400;\"> (otro framework de Python) permiti\u00f3 mejorar a\u00fan m\u00e1s sus rendimientos.<\/span><\/p><p><span style=\"font-weight: 400;\">En la actualidad un 17 % de los desarrolladores de Python utiliza PyTorch (<\/span><a href=\"https:\/\/www.jetbrains.com\/lp\/python-developers-survey-2020\/\"><span style=\"font-weight: 400;\">estudio de la Python Foundation 2020<\/span><\/a><span style=\"font-weight: 400;\">) y tambi\u00e9n se usa en muchas empresas como Tesla, Uber, etc.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-52d8d7e elementor-align-center elementor-widget elementor-widget-button\" data-id=\"52d8d7e\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/es\/nuestros-cursos-de-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Aprender a utilizar <\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6286ebc elementor-widget elementor-widget-heading\" data-id=\"6286ebc\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Pytorch vs Keras vs Tensorflow<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-533980b elementor-widget elementor-widget-text-editor\" data-id=\"533980b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Es dif\u00edcil presentar PyTorch sin hablar de sus alternativas, todas ellas creadas con pocos a\u00f1os de intervalo, y pr\u00e1cticamente con el mismo objetivo, pero con m\u00e9todos diferentes.<\/span><\/p><p><span style=\"font-weight: 400;\">Keras<\/span><span style=\"font-weight: 400;\"> fue desarrollado en marzo de 2015 por Fran\u00e7ois Chollet, investigador de Google. Este framework se hizo r\u00e1pidamente popular gracias a su <\/span><b>API f\u00e1cil de usar<\/b><span style=\"font-weight: 400;\">, inspirada en gran medida en <\/span><span style=\"font-weight: 400;\">scikit-learn<\/span><span style=\"font-weight: 400;\">, la biblioteca de <a href=\"https:\/\/datascientest.com\/es\/machine-learning-definicion-funcionamiento-usos\">Machine Learning<\/a> est\u00e1ndar de <a href=\"https:\/\/datascientest.com\/es\/un-zoom-en-el-lenguaje-mas-popular\">Python<\/a>.<\/span><\/p><p><span style=\"font-weight: 400;\">Varios meses despu\u00e9s, en noviembre de 2015, Google public\u00f3 una primera versi\u00f3n de <\/span><span style=\"font-weight: 400;\">TensorFlow<\/span><span style=\"font-weight: 400;\"> y r\u00e1pidamente se convirti\u00f3 en <\/span><b>el framework de referencia de Deep Learning<\/b><span style=\"font-weight: 400;\">, ya que permite utilizar Keras. Tensorflow tambi\u00e9n ha puesto a punto una serie de funcionalidades de aprendizaje profundo que los investigadores necesitaban para <\/span><b>crear f\u00e1cilmente<\/b> <span style=\"font-weight: 400;\">redes neuronales complejas<\/span><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400;\">Por tanto Keras era muy f\u00e1cil de usar, pero no tenia alguna funcionalidades b\u00e1sicas o algunas personalizaciones necesarias para los modelos punteros. Por el contrario, Tensorflow daba acceso a sus funciones, pero no se parec\u00eda al estilo habitual de Python y ten\u00eda una documentaci\u00f3n muy complicada para los principiantes.<\/span><\/p><p><b>PyTorch resolvi\u00f3 esos problemas<\/b><span style=\"font-weight: 400;\"> creando una API a la vez accesible y f\u00e1cil de personalizar, que permit\u00eda crear nuevos tipos de redes, optimizadores y arquitecturas in\u00e9ditas.<\/span><\/p><p><span style=\"font-weight: 400;\">Dicho esto, <\/span><b>las recientes evoluciones de esos frameworks han acercado much\u00edsimo<\/b> <b>sus<\/b> <b>modos de funcionamiento<\/b><span style=\"font-weight: 400;\">. Antes de ponernos con los detalles t\u00e9cnicos de PyTorch, aqu\u00ed tienes una <\/span><b>tabla recapitulativa de las diferencias<\/b><span style=\"font-weight: 400;\"> entre estas herramientas. Puesto que Keras y Tensorflow funcionan ahora juntos, conviene presentarlos conjuntamente.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e9d8db8 elementor-widget elementor-widget-image\" data-id=\"e9d8db8\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"470\" src=\"https:\/\/datascientest.com\/es\/files\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-1024x601.png\" class=\"attachment-large size-large wp-image-99788\" alt=\"tableau keras\" srcset=\"https:\/\/datascientest.com\/es\/files\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-1024x601.png 1024w, https:\/\/datascientest.com\/es\/files\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-300x176.png 300w, https:\/\/datascientest.com\/es\/files\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-768x451.png 768w, https:\/\/datascientest.com\/es\/files\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-1536x902.png 1536w, https:\/\/datascientest.com\/es\/files\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch.png 2039w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-346d945 elementor-align-center elementor-widget elementor-widget-button\" data-id=\"346d945\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/es\/nuestros-cursos-de-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Convertirse en experto en PyTorch<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6beab08 elementor-widget elementor-widget-heading\" data-id=\"6beab08\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Uso de PyTorch para el Deep Learning\n<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-592a08b elementor-widget elementor-widget-text-editor\" data-id=\"592a08b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Hemos hablado de la complejidad de los modelos y de las redes sin hablar de la velocidad de ejecuci\u00f3n de los algoritmos. En efecto, <\/span><b>PyTorch fue dise\u00f1ado para minimizar ese tiempo y utilizar mejor las especificidades del hardware<\/b><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400;\">PyTorch representa los datos en forma de tablas multidimensionales, similares a las tablas NumPy, llamadas \u201c<\/span><b>tensores<\/b><span style=\"font-weight: 400;\">\u201d. Los tensores almacenan los inputs de la red neuronal, los par\u00e1metros de los hidden layers y los outputs. A partir de esos tensores, PyTorch puede llevar, de manera oculta y eficaz, 4 etapas para entrenar la red:<\/span><\/p><ul><li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Montar una gr\u00e1fico a partir de los tensores de la red neuronal, lo que permite una estructura din\u00e1mica, es posible modificarla (n\u00famero de nudos, conexiones entre ellos, etc.) durante el aprendizaje.<\/span><\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><b>Efectuar las predicciones<\/b><span style=\"font-weight: 400;\"> de la red (\u201cforward pass\u201d).<\/span><\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><b>Calcular la p\u00e9rdidas<\/b><span style=\"font-weight: 400;\"> o error respecto a las predicciones<\/span><\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Atravesar la red en el sentido inverso: \u201c<\/span><b>backpropagation<\/b><span style=\"font-weight: 400;\">\u201d, y ajustar los tensores para que la red haga predicciones m\u00e1s precisas basadas en la p\u00e9rdida\/error calculado.<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-764ba5c elementor-widget elementor-widget-video\" data-id=\"764ba5c\" data-element_type=\"widget\" data-settings=\"{&quot;youtube_url&quot;:&quot;https:\\\/\\\/youtu.be\\\/Ka4AnSXxF2g&quot;,&quot;video_type&quot;:&quot;youtube&quot;,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-video .elementor-widget-container{overflow:hidden;transform:translateZ(0)}.elementor-widget-video .elementor-wrapper{aspect-ratio:var(--video-aspect-ratio)}.elementor-widget-video .elementor-wrapper iframe,.elementor-widget-video .elementor-wrapper video{height:100%;width:100%;display:flex;border:none;background-color:#000}@supports not (aspect-ratio:1\/1){.elementor-widget-video .elementor-wrapper{position:relative;overflow:hidden;height:0;padding-bottom:calc(100% \/ var(--video-aspect-ratio))}.elementor-widget-video .elementor-wrapper iframe,.elementor-widget-video .elementor-wrapper video{position:absolute;top:0;right:0;bottom:0;left:0}}.elementor-widget-video .elementor-open-inline .elementor-custom-embed-image-overlay{position:absolute;top:0;right:0;bottom:0;left:0;background-size:cover;background-position:50%}.elementor-widget-video .elementor-custom-embed-image-overlay{cursor:pointer;text-align:center}.elementor-widget-video .elementor-custom-embed-image-overlay:hover .elementor-custom-embed-play i{opacity:1}.elementor-widget-video .elementor-custom-embed-image-overlay img{display:block;width:100%;aspect-ratio:var(--video-aspect-ratio);-o-object-fit:cover;object-fit:cover;-o-object-position:center center;object-position:center center}@supports not (aspect-ratio:1\/1){.elementor-widget-video .elementor-custom-embed-image-overlay{position:relative;overflow:hidden;height:0;padding-bottom:calc(100% \/ var(--video-aspect-ratio))}.elementor-widget-video .elementor-custom-embed-image-overlay img{position:absolute;top:0;right:0;bottom:0;left:0}}.elementor-widget-video .e-hosted-video .elementor-video{-o-object-fit:cover;object-fit:cover}.e-con-inner>.elementor-widget-video,.e-con>.elementor-widget-video{width:var(--container-widget-width);--flex-grow:var(--container-widget-flex-grow)}<\/style>\t\t<div class=\"elementor-wrapper elementor-open-inline\">\n\t\t\t<div class=\"elementor-video\"><\/div>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-05c6309 elementor-widget elementor-widget-text-editor\" data-id=\"05c6309\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Esta funci\u00f3n de PyTorch llamada \u201c<\/span><b>Autograd<\/b><span style=\"font-weight: 400;\">\u201d est\u00e1 muy optimizada, y es <\/span><b>compatible con el uso de GPU y data parallelism<\/b><span style=\"font-weight: 400;\">, lo que acelera considerablemente los c\u00e1lculos. Adem\u00e1s, permite un uso en todas las clouds, mientras que Tensorflow, por ejemplo, solo est\u00e1 optimizado para GoogleCloud y sus TPU.<\/span><\/p><p><span style=\"font-weight: 400;\">Recientemente, y en colaboraci\u00f3n con AWS (Amazon Web Services), PyTorch ha desvelado 2 nuevas funcionalidades. La primera, bautizada TorchServe, permite gestionar eficazmente el despliegue de redes neuronales ya entrenadas. La segunda, TorchElastic, permite usar PyTorch en cl\u00fasteres <\/span><span style=\"font-weight: 400;\">Kubernetes<\/span><span style=\"font-weight: 400;\"> a la vez que resiste a las aver\u00edas.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c74658f elementor-widget elementor-widget-text-editor\" data-id=\"c74658f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Estos 3 frameworks tienen as\u00ed pues su propia especificidad. En particular <\/span><b>PyTorch est\u00e1 muy adaptado para las redes neuronales complejas y profundas<\/b><span style=\"font-weight: 400;\">. Para descubrir PyTorch, la p\u00e1gina web oficial propone <\/span><a href=\"https:\/\/pytorch.org\/tutorials\/\"><span style=\"font-weight: 400;\">tutoriales<\/span><\/a><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400;\">Para profundizar la pr\u00e1ctica de ese framework, <a href=\"https:\/\/datascientest.com\/es\/nuestros-cursos-de-data\">nuestro curso de Data Scientist<\/a> propone m\u00f3dulos de ense\u00f1anza dedicados al Deep Learning con PyTorch.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d4a66b7 elementor-align-center elementor-widget elementor-widget-button\" data-id=\"d4a66b7\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/es\/nuestros-cursos-de-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Descubrir el curso de Data Scientist<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-dfc17ce elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"dfc17ce\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-e9bfb0b\" data-id=\"e9bfb0b\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-1730e19 elementor-widget elementor-widget-heading\" data-id=\"1730e19\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">\u00bfPor qu\u00e9 utilizar PyTorch?\n<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-48cf8b5 elementor-widget elementor-widget-text-editor\" data-id=\"48cf8b5\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">PyTorch es una biblioteca de <\/span><b>aprendizaje autom\u00e1tico<\/b><span style=\"font-weight: 400;\"> bastante reciente, pero dispone de un gran n\u00famero de <\/span><b>manuales y de tutoriales<\/b><span style=\"font-weight: 400;\"> en los que se pueden encontrar ejemplos. Dispone tambi\u00e9n de una comunidad que se desarrolla a pasos agigantados.<\/span><\/p><p><span style=\"font-weight: 400;\">PyTorch cuenta con una <\/span><b>interfaz muy sencilla<\/b><span style=\"font-weight: 400;\"> para la creaci\u00f3n de redes neuronales aunque haya que trabajar directamente con los tensores sin necesitar una biblioteca de mayor nivel como Keras para Theano o Tensorflow.<\/span><\/p><p><span style=\"font-weight: 400;\">Al contrario que otras herramientas de aprendizaje autom\u00e1tico como Tensorflow, PyTorch funciona con <\/span><b>gr\u00e1ficos din\u00e1micos<\/b><span style=\"font-weight: 400;\"> en vez de est\u00e1ticos. Eso significa que en el momento de la ejecuci\u00f3n, las funciones se pueden modificar y que el <\/span><b>c\u00e1lculo de los gradientes variar\u00e1 con ellas<\/b><span style=\"font-weight: 400;\">. Sin embargo, en Tensorflow, primero hay que definir el gr\u00e1fico de c\u00e1lculo, y despu\u00e9s utilizar la sesi\u00f3n para calcular los resultados del tensor, lo que hace que la depuraci\u00f3n del c\u00f3digo sea m\u00e1s dif\u00edcil y la puesta en marcha m\u00e1s tediosa.<\/span><\/p><p><span style=\"font-weight: 400;\">PyTorch es compatible con las <\/span><b>tarjetas gr\u00e1ficas<\/b><span style=\"font-weight: 400;\"> (GPU). Utiliza internamente <\/span><a href=\"https:\/\/fr.wikipedia.org\/wiki\/Compute_Unified_Device_Architecture\"><span style=\"font-weight: 400;\">CUDA<\/span><\/a><span style=\"font-weight: 400;\">, una API que conecta la CPU con la GPU y que <\/span><b>fue desarrollada por NVIDIA<\/b><span style=\"font-weight: 400;\">.<\/span><\/p><h2><strong>Ventajas de PyTorch<\/strong><\/h2><p><span style=\"font-weight: 400;\">Aunque PyTorch presenta <\/span><b>muchas ventajas<\/b><span style=\"font-weight: 400;\">, aqu\u00ed nos concentraremos solo en algunas.<\/span><\/p><ol><li style=\"list-style-type: none;\"><ol><li aria-level=\"1\"><b>PyTorch y Python<\/b><\/li><\/ol><\/li><\/ol><p><span style=\"font-weight: 400;\">La mayor\u00eda de los trabajos vinculados al aprendizaje autom\u00e1tico y la inteligencia artificial se efect\u00faa con ayuda de Python. Sin embargo, PyTorch y Python son de la <\/span><b>misma familia<\/b><span style=\"font-weight: 400;\">, lo que significa que los desarrolladores de Python deber\u00edan sentirse <\/span><b>m\u00e1s a gusto<\/b><span style=\"font-weight: 400;\"> cuando escriben c\u00f3digo con PyTorch que con otros frameworks de Deep Learning.<\/span><\/p><ol><li style=\"list-style-type: none;\"><ol><li aria-level=\"1\"><b>F\u00e1cil de aprender<\/b><\/li><\/ol><\/li><\/ol><p><span style=\"font-weight: 400;\">Como el lenguaje Python, se considera que PyTorch es relativamente m\u00e1s f\u00e1cil de aprender respecto a otros frameworks. La raz\u00f3n principal se debe a su sintaxis f\u00e1cil e intuitiva.<\/span><\/p><ol><li style=\"list-style-type: none;\"><ol><li aria-level=\"1\"><b>Comunidad activa<\/b><\/li><\/ol><\/li><\/ol><p><span style=\"font-weight: 400;\">Aunque PyTorch sea un framework relativamente reciente, ha desarrollado muy r\u00e1pidamente una comunidad dedicada de desarrolladores. Adem\u00e1s, su documentaci\u00f3n est\u00e1 muy bien organizada y es \u00fatil para los principiantes.<\/span><\/p><ol><li style=\"list-style-type: none;\"><ol><li aria-level=\"1\"><b>Depuraci\u00f3n f\u00e1cil<\/b><\/li><\/ol><\/li><\/ol><p><span style=\"font-weight: 400;\">PyTorch est\u00e1 profundamente integrado en Python, hasta tal punto que muchas herramientas de depuraci\u00f3n de Python se pueden utilizar f\u00e1cilmente con \u00e9l.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-ca3ce3d elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"ca3ce3d\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-9fa6c8e\" data-id=\"9fa6c8e\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-0b33b54 elementor-align-center elementor-widget elementor-widget-button\" data-id=\"0b33b54\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/es\/nuestros-cursos-de-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Descubrir el curso de Data Scientist<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t<div class=\"elementor-element elementor-element-0e90fa0 e-flex e-con-boxed e-con\" data-id=\"0e90fa0\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-2d27224 elementor-widget elementor-widget-html\" data-id=\"2d27224\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\r\n{\r\n  \"@context\": \"https:\/\/schema.org\",\r\n  \"@type\": \"FAQPage\",\r\n  \"mainEntity\": {\r\n    \"@type\": \"Question\",\r\n    \"name\": \"\u00bfPor qu\u00e9 utilizar PyTorch?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"PyTorch es una biblioteca de aprendizaje autom\u00e1tico bastante reciente, pero dispone de un gran n\u00famero de manuales y de tutoriales en los que se pueden encontrar ejemplos. Dispone tambi\u00e9n de una comunidad que se desarrolla a pasos agigantados. PyTorch cuenta con una interfaz muy sencilla para la creaci\u00f3n de redes neuronales aunque haya que trabajar directamente con los tensores sin necesitar una biblioteca de mayor nivel como Keras para Theano o Tensorflow.\"\r\n    }\r\n  }\r\n}\r\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Al ser el lenguaje Python uno de los m\u00e1s utilizados, contiene muchos frameworks y muchos los desarrolla exclusivamente para la Data Science. En este art\u00edculo, vamos a hablar detalladamente de uno de ellos. PyTorch. La popularidad de la Data Science no ha dejado de crecer en los \u00faltimos a\u00f1os, y con ella una explosi\u00f3n de [&hellip;]<\/p>\n","protected":false},"author":45,"featured_media":99798,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2427],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook<\/title>\n<meta name=\"description\" content=\"Siendo el lenguaje Python uno de los m\u00e1s utilizados, contiene un enorme n\u00famero de frameworks, y muchos de ellos est\u00e1n desarrollados exclusivamente para la Ciencia de Datos. En este art\u00edculo, hablaremos de uno de ellos en detalle: PyTorch.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook\" \/>\n<meta property=\"og:description\" content=\"Al ser el lenguaje Python uno de los m\u00e1s utilizados, contiene muchos frameworks y muchos los desarrolla exclusivamente para la Data Science. En este\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook\" \/>\n<meta property=\"og:site_name\" content=\"Formaci\u00f3n en ciencia de datos | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2021-12-14T15:18:12+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T16:36:54+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2021\/09\/illu_pytorch-49.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"562\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Daniel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Daniel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook\"},\"author\":{\"name\":\"Daniel\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0\"},\"headline\":\"PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook\",\"datePublished\":\"2021-12-14T15:18:12+00:00\",\"dateModified\":\"2023-10-30T16:36:54+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook\"},\"wordCount\":1272,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/es\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook#respond\"]}],\"copyrightYear\":\"2021\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook\",\"url\":\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook\",\"name\":\"PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/es\/#website\"},\"datePublished\":\"2021-12-14T15:18:12+00:00\",\"dateModified\":\"2023-10-30T16:36:54+00:00\",\"description\":\"Siendo el lenguaje Python uno de los m\u00e1s utilizados, contiene un enorme n\u00famero de frameworks, y muchos de ellos est\u00e1n desarrollados exclusivamente para la Ciencia de Datos. En este art\u00edculo, hablaremos de uno de ellos en detalle: PyTorch.\",\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/es\/#website\",\"url\":\"https:\/\/datascientest.com\/es\/\",\"name\":\"Formaci\u00f3n en ciencia de datos | DataScientest.com\",\"description\":\"L\u00edder en formaci\u00f3n en Ciencia de Datos\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/es\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/es\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/es\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/es\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-spain\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0\",\"name\":\"Daniel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/837acad4f2dc47e85d81cce837261670?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/837acad4f2dc47e85d81cce837261670?s=96&d=mm&r=g\",\"caption\":\"Daniel\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/school\/datascientest\/\",\"user\"],\"jobTitle\":\"ing\u00e9nieur logiciel\",\"worksFor\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/es\/author\/team-redac\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook","description":"Siendo el lenguaje Python uno de los m\u00e1s utilizados, contiene un enorme n\u00famero de frameworks, y muchos de ellos est\u00e1n desarrollados exclusivamente para la Ciencia de Datos. En este art\u00edculo, hablaremos de uno de ellos en detalle: PyTorch.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook","og_locale":"es_ES","og_type":"article","og_title":"PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook","og_description":"Al ser el lenguaje Python uno de los m\u00e1s utilizados, contiene muchos frameworks y muchos los desarrolla exclusivamente para la Data Science. En este","og_url":"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook","og_site_name":"Formaci\u00f3n en ciencia de datos | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2021-12-14T15:18:12+00:00","article_modified_time":"2023-10-30T16:36:54+00:00","og_image":[{"width":1024,"height":562,"url":"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2021\/09\/illu_pytorch-49.png","type":"image\/png"}],"author":"Daniel","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Escrito por":"Daniel","Tiempo de lectura":"6 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook#article","isPartOf":{"@id":"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook"},"author":{"name":"Daniel","@id":"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0"},"headline":"PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook","datePublished":"2021-12-14T15:18:12+00:00","dateModified":"2023-10-30T16:36:54+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook"},"wordCount":1272,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/es\/#organization"},"articleSection":["Data Science"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook#respond"]}],"copyrightYear":"2021","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook","url":"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook","name":"PyTorch: saber todo sobre el marco de trabajo de Deep Learning de Facebook","isPartOf":{"@id":"https:\/\/datascientest.com\/es\/#website"},"datePublished":"2021-12-14T15:18:12+00:00","dateModified":"2023-10-30T16:36:54+00:00","description":"Siendo el lenguaje Python uno de los m\u00e1s utilizados, contiene un enorme n\u00famero de frameworks, y muchos de ellos est\u00e1n desarrollados exclusivamente para la Ciencia de Datos. En este art\u00edculo, hablaremos de uno de ellos en detalle: PyTorch.","inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/es\/#website","url":"https:\/\/datascientest.com\/es\/","name":"Formaci\u00f3n en ciencia de datos | DataScientest.com","description":"L\u00edder en formaci\u00f3n en Ciencia de Datos","publisher":{"@id":"https:\/\/datascientest.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/es\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/es\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-spain\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0","name":"Daniel","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/datascientest.com\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/837acad4f2dc47e85d81cce837261670?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/837acad4f2dc47e85d81cce837261670?s=96&d=mm&r=g","caption":"Daniel"},"sameAs":["https:\/\/www.linkedin.com\/school\/datascientest\/","user"],"jobTitle":"ing\u00e9nieur logiciel","worksFor":"DataScientest","url":"https:\/\/datascientest.com\/es\/author\/team-redac"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts\/133802"}],"collection":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/users\/45"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/comments?post=133802"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts\/133802\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/media\/99798"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/media?parent=133802"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/categories?post=133802"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/tags?post=133802"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}