{"id":180838,"date":"2025-07-21T07:30:00","date_gmt":"2025-07-21T06:30:00","guid":{"rendered":"https:\/\/datascientest.com\/es\/?p=180838"},"modified":"2025-07-18T13:03:12","modified_gmt":"2025-07-18T12:03:12","slug":"onnx-que-es","status":"publish","type":"post","link":"https:\/\/datascientest.com\/es\/onnx-que-es","title":{"rendered":"ONNX: Hacia una interoperabilidad estandarizada de la inteligencia artificial"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"180838\" class=\"elementor elementor-180838\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-181511e e-flex e-con-boxed e-con\" data-id=\"181511e\" 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-d005fb2 elementor-widget elementor-widget-text-editor\" data-id=\"d005fb2\" 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<p><b>A medida que los proyectos de inteligencia artificial ganan en complejidad, la capacidad para transferir y ejecutar modelos en entornos variados se ha vuelto esencial. El ecosistema actual se caracteriza por una multitud de art\u00edculos de desarrollo, cada uno con sus especificidades y formatos propietarios. En este contexto, ONNX (Open Neural Network Exchange) emerge como una respuesta estandarizada y open source para asegurar la interoperabilidad entre estos entornos.<\/b><\/p>\t\t\t\t\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<div class=\"elementor-element elementor-element-280b6ad e-flex e-con-boxed e-con\" data-id=\"280b6ad\" 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-b9eb9c0 elementor-widget elementor-widget-heading\" data-id=\"b9eb9c0\" 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><h2 class=\"elementor-heading-title elementor-size-xl\">\u00bfQu\u00e9 es ONNX?<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6d35d5f elementor-widget elementor-widget-text-editor\" data-id=\"6d35d5f\" 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;\">ONNX es un formato abierto dise\u00f1ado para <\/span><b>representar modelos de<\/b><span style=\"font-weight: 400;\"> machine learning y deep learning de manera independiente de los art\u00edculos. Permite a los desarrolladores <\/span><b>exportar un modelo entrenado<\/b><span style=\"font-weight: 400;\"> en un entorno (por ejemplo, PyTorch o <\/span><a href=\"https:\/\/datascientest.com\/es\/tensorflow-extended-tfx-que-es\"><span style=\"font-weight: 400;\">TensorFlow<\/span><\/a><span style=\"font-weight: 400;\">) y <\/span><b>ejecutarlo en otro mediante un motor de inferencia compatible<\/b><span style=\"font-weight: 400;\"> como ONNX Runtime, TensorRT u OpenVINO.<\/span><\/p><p><span style=\"font-weight: 400;\">Desarrollado inicialmente por <\/span><b>Facebook y Microsoft<\/b><span style=\"font-weight: 400;\"> en 2017, ONNX ahora cuenta con el apoyo de una amplia comunidad industrial (IBM, Intel, AMD, Qualcomm, etc.) y acad\u00e9mica. Este est\u00e1ndar open-source facilita la <\/span><b>reutilizaci\u00f3n<\/b><span style=\"font-weight: 400;\"> de modelos, acelera el <\/span><b>despliegue<\/b><span style=\"font-weight: 400;\"> en producci\u00f3n, y fortalece la <\/span><b>portabilidad<\/b><span style=\"font-weight: 400;\"> y la <\/span><b>agilidad<\/b><span style=\"font-weight: 400;\"> de los sistemas de inteligencia artificial.<\/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-46a2f92 elementor-widget elementor-widget-image\" data-id=\"46a2f92\" 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=\"1536\" height=\"1024\" src=\"https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-3.png\" class=\"attachment-full size-full wp-image-180841\" alt=\"\" srcset=\"https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-3.png 1536w, https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-3-300x200.png 300w, https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-3-1024x683.png 1024w, https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-3-768x512.png 768w\" sizes=\"(max-width: 1536px) 100vw, 1536px\" \/>\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-78c1d6a elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"78c1d6a\" 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\">Todo sobre ONNX<\/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\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-4f02041 e-flex e-con-boxed e-con\" data-id=\"4f02041\" 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-c9b4b77 elementor-widget elementor-widget-heading\" data-id=\"c9b4b77\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h2 class=\"elementor-heading-title elementor-size-xl\">Arquitectura y componentes t\u00e9cnicos<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-99651e3 elementor-widget elementor-widget-text-editor\" data-id=\"99651e3\" 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;\">El est\u00e1ndar ONNX se basa en tres pilares fundamentales:<\/span><\/p><ol><li style=\"font-weight: 400;\" aria-level=\"1\"><b>Gr\u00e1fico de c\u00e1lculo extensible<\/b><span style=\"font-weight: 400;\"><br \/><\/span><span style=\"font-weight: 400;\">Cada modelo se representa en forma de un <\/span><b>gr\u00e1fico dirigido ac\u00edclico (DAG)<\/b><span style=\"font-weight: 400;\">, donde los nodos corresponden a operaciones y los enlaces a los flujos de datos. Esto estructura las transformaciones matem\u00e1ticas a aplicar en las entradas.\u00a0<\/span><\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><b>Operadores est\u00e1ndar<\/b><span style=\"font-weight: 400;\"><br \/><\/span><span style=\"font-weight: 400;\">ONNX define un conjunto de operadores (convoluci\u00f3n, normalizaci\u00f3n, activaci\u00f3n, etc.) compatibles entre art\u00edculos. Estos operadores aseguran un <\/span><b>comportamiento predecible de los modelos transferidos<\/b><span style=\"font-weight: 400;\">, sin necesidad de volver a entrenarlos.\u00a0<\/span><\/li><li><b>Tipos de datos normalizados<\/b><span style=\"font-weight: 400;\"><br \/><\/span><span style=\"font-weight: 400;\">El formato soporta tipos est\u00e1ndar (float, int, tensor multidimensional, etc.), garantizando una <\/span><b>compatibilidad<\/b><span style=\"font-weight: 400;\"> fina con los motores de ejecuci\u00f3n.<\/span><\/li><\/ol>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-db36131 elementor-widget elementor-widget-text-editor\" data-id=\"db36131\" 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;\">Centrado principalmente en la fase de inferencia (evaluaci\u00f3n de modelos ya entrenados), ONNX optimiza el rendimiento sin imponer restricciones en el entrenamiento.<\/span><\/p><p><span style=\"font-weight: 400;\">Este diagrama sintetiza el rol central de ONNX como intermediario de portabilidad entre el entrenamiento de los modelos de IA y su despliegue en diversos entornos de ejecuci\u00f3n.<\/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-8bdca19 elementor-widget elementor-widget-image\" data-id=\"8bdca19\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1536\" height=\"1024\" src=\"https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-1-2.png\" class=\"attachment-full size-full wp-image-180842\" alt=\"\" srcset=\"https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-1-2.png 1536w, https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-1-2-300x200.png 300w, https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-1-2-1024x683.png 1024w, https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-1-2-768x512.png 768w\" sizes=\"(max-width: 1536px) 100vw, 1536px\" \/>\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-fbc3ffd elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"fbc3ffd\" 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\">Formaci\u00f3n en IA<\/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-fbaf011 elementor-widget elementor-widget-heading\" data-id=\"fbaf011\" 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\">1. Parte izquierda \u2013 Entrenamiento<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-20b4424 elementor-widget elementor-widget-text-editor\" data-id=\"20b4424\" 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;\">El modelo se dise\u00f1a y entrena inicialmente en uno de los principales art\u00edculos de aprendizaje autom\u00e1tico o profundo. ONNX permite exportar estos modelos en un formato unificado, facilitando as\u00ed su reutilizaci\u00f3n y su despliegue en otras plataformas:<\/span><\/p><ul><li style=\"font-weight: 400;\" aria-level=\"1\"><b>PyTorch<\/b><span style=\"font-weight: 400;\">: muy extendido en la investigaci\u00f3n y los entornos acad\u00e9micos, <\/span><a href=\"https:\/\/datascientest.com\/es\/pytorch-saber-todo-sobre-el-marco-de-trabajo-de-deep-learning-de-facebook\"><span style=\"font-weight: 400;\">PyTorch<\/span><\/a><span style=\"font-weight: 400;\"> atrae por su flexibilidad, su ejecuci\u00f3n din\u00e1mica (<\/span><b>eager mode<\/b><span style=\"font-weight: 400;\">) y su API clara, convirti\u00e9ndose en una herramienta de elecci\u00f3n para el prototipado r\u00e1pido y la experimentaci\u00f3n.<\/span><\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><b>TensorFlow<\/b><span style=\"font-weight: 400;\">: ampliamente utilizado en la industria, TensorFlow ofrece una infraestructura robusta para el despliegue a gran escala, el c\u00e1lculo distribuido y la optimizaci\u00f3n en diversos hardware, incluyendo GPU y TPU.<\/span><\/li><li><b>scikit-learn<\/b><span style=\"font-weight: 400;\">: referencia indispensable para los modelos de machine learning cl\u00e1sicos (regresi\u00f3n, \u00e1rboles de decisi\u00f3n, SVM\u2026), <\/span><a href=\"https:\/\/datascientest.com\/es\/scikit-learn-decubre-la-biblioteca-python\"><span style=\"font-weight: 400;\">scikit-learn<\/span><\/a><span style=\"font-weight: 400;\"> se utiliza frecuentemente en fase de preprocesamiento o en pipelines que mezclan estad\u00edsticas y aprendizaje supervisado.<\/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-0fde09a elementor-widget elementor-widget-text-editor\" data-id=\"0fde09a\" 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 combinaci\u00f3n PyTorch \/ TensorFlow \/ scikit-learn cubre <\/span><b>una gran mayor\u00eda de los casos de uso en IA<\/b><span style=\"font-weight: 400;\"> moderna, desde el prototipado exploratorio hasta la puesta en producci\u00f3n industrial. ONNX juega aqu\u00ed un papel de enlace entre estos ecosistemas.<\/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-bc56512 elementor-widget elementor-widget-heading\" data-id=\"bc56512\" 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\">2. Centro \u2013 Formato ONNX<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8e4ff87 elementor-widget elementor-widget-text-editor\" data-id=\"8e4ff87\" 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;\">El bloque central ONNX en el esquema representa un punto de convergencia tecnol\u00f3gica esencial. Sirve como capa de abstracci\u00f3n universal, encapsulando el modelo en un formato independiente de su art\u00edculo de origen. Esta <\/span><b>portabilidad<\/b><span style=\"font-weight: 400;\"> se basa en tres elementos clave: un gr\u00e1fico de c\u00e1lculo estructurado en DAG para una ejecuci\u00f3n optimizada, un conjunto de operadores estandarizados que aseguran una sem\u00e1ntica coherente, y tipos de datos formalizados que garantizan la <\/span><b>compatibilidad de hardware<\/b><span style=\"font-weight: 400;\">. As\u00ed, ONNX ofrece una representaci\u00f3n interoperable y agn\u00f3stica, lista para ser desplegada en una gran variedad de plataformas.<\/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-e883a7b elementor-widget elementor-widget-heading\" data-id=\"e883a7b\" 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\">3. Parte derecha \u2013 Ejecuci\u00f3n multiplataforma<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6d16521 elementor-widget elementor-widget-text-editor\" data-id=\"6d16521\" 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;\">Una vez exportado, el modelo ONNX puede desplegarse en la nube, en local, en el borde o en dispositivos m\u00f3viles. Se ejecuta con motores de inferencia optimizados como <\/span><b>ONNX Runtime<\/b><span style=\"font-weight: 400;\">, <\/span><b>TensorRT<\/b><span style=\"font-weight: 400;\"> u <\/span><b>OpenVINO<\/b><span style=\"font-weight: 400;\">, e integra f\u00e1cilmente en aplicaciones desarrolladas en diversos lenguajes como <\/span><a href=\"https:\/\/datascientest.com\/es\/curso-python-aprende-los-fundamentos\"><span style=\"font-weight: 400;\">Python<\/span><\/a><span style=\"font-weight: 400;\">, <strong>C++<\/strong>, <strong>Java <\/strong>o <strong>JavaScript<\/strong>. Esta desvinculaci\u00f3n entre el entrenamiento y la ejecuci\u00f3n ofrece una <\/span><b>flexibilidad m\u00e1xima<\/b><span style=\"font-weight: 400;\">, mientras mantiene <\/span><b>altas prestaciones<\/b><span style=\"font-weight: 400;\"> gracias a las optimizaciones propias de cada backend.<\/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-dfe688b elementor-widget elementor-widget-image\" data-id=\"dfe688b\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1536\" height=\"1024\" src=\"https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-4.png\" class=\"attachment-full size-full wp-image-180843\" alt=\"\" srcset=\"https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-4.png 1536w, https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-4-300x200.png 300w, https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-4-1024x683.png 1024w, https:\/\/datascientest.com\/es\/files\/2025\/06\/output1-4-768x512.png 768w\" sizes=\"(max-width: 1536px) 100vw, 1536px\" \/>\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-f3f1a88 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"f3f1a88\" 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\">Dominar el uso de ONNX<\/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\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-6fe510b e-flex e-con-boxed e-con\" data-id=\"6fe510b\" 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-5fb405e elementor-widget elementor-widget-heading\" data-id=\"5fb405e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h2 class=\"elementor-heading-title elementor-size-xl\">ONNX Runtime: motor de ejecuci\u00f3n optimizado<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8022376 elementor-widget elementor-widget-text-editor\" data-id=\"8022376\" 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;\">ONNX Runtime es el motor oficial de ejecuci\u00f3n de modelos ONNX, dise\u00f1ado para ser eficiente gracias a <\/span><b>optimizaciones adaptadas a las arquitecturas de hardware<\/b><span style=\"font-weight: 400;\"> (<strong>CPU<\/strong>, <\/span><a href=\"https:\/\/datascientest.com\/es\/gpu-que-es\"><span style=\"font-weight: 400;\">GPU<\/span><\/a><span style=\"font-weight: 400;\">, <\/span><b>NPU<\/b><span style=\"font-weight: 400;\">), vers\u00e1til con una compatibilidad <\/span><b>multiplataforma<\/b><span style=\"font-weight: 400;\"> (Windows, Linux, macOS, Android, iOS, web), y <\/span><b>multiling\u00fce<\/b><span style=\"font-weight: 400;\">; accesible a trav\u00e9s de Python, C++, C#, Java, entre otros. Permite inferencias r\u00e1pidas con un <\/span><b>bajo impacto de memoria<\/b><span style=\"font-weight: 400;\">, haci\u00e9ndolo especialmente adecuado para entornos de producci\u00f3n y dispositivos embebidos.<\/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\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-9c9f53b e-flex e-con-boxed e-con\" data-id=\"9c9f53b\" 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-4eb9fa2 elementor-widget elementor-widget-heading\" data-id=\"4eb9fa2\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h2 class=\"elementor-heading-title elementor-size-xl\">Casos de uso industriales<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-00381ba elementor-widget elementor-widget-text-editor\" data-id=\"00381ba\" 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;\">ONNX ofrece varias ventajas pr\u00e1cticas, incluyendo la <\/span><b>interoperabilidad entre los equipos de data science e ingenier\u00eda<\/b><span style=\"font-weight: 400;\">. Permite a los investigadores desarrollar modelos en PyTorch, mientras que el equipo de producto puede integrarlos f\u00e1cilmente en backends optimizados.<\/span><\/p><p><span style=\"font-weight: 400;\">Tambi\u00e9n facilita el despliegue multiplataforma, permitiendo a un mismo modelo <\/span><b>ejecutarse en diversas plataformas<\/b><span style=\"font-weight: 400;\"> como <a href=\"https:\/\/datascientest.com\/es\/certificacion-az-900\">Azure<\/a>, <a href=\"https:\/\/datascientest.com\/es\/aws-sysops-administrator-associate-certificado\">AWS<\/a>, <strong>Android<\/strong>, o incluso en veh\u00edculos conectados.<\/span><\/p><p><span style=\"font-weight: 400;\">Finalmente, ONNX permite una <\/span><b>evaluaci\u00f3n independiente de los modelos de IA<\/b><span style=\"font-weight: 400;\"> en diferentes motores de inferencia, garantizando su robustez, estabilidad y precisi\u00f3n.<\/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\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-a980caa e-flex e-con-boxed e-con\" data-id=\"a980caa\" 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-5c410c1 elementor-widget elementor-widget-heading\" data-id=\"5c410c1\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h2 class=\"elementor-heading-title elementor-size-xl\">Conclusi\u00f3n<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-49210d7 elementor-widget elementor-widget-text-editor\" data-id=\"49210d7\" 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;\">ONNX se ha consolidado como un <\/span><b>pilar t\u00e9cnico de la interoperabilidad IA<\/b><span style=\"font-weight: 400;\">. Gracias a su formato estandarizado, simplifica el paso de la investigaci\u00f3n a la producci\u00f3n, reduce la dependencia de herramientas propietarias, y fomenta la <\/span><b>reutilizaci\u00f3n de modelos<\/b><span style=\"font-weight: 400;\"> a gran escala.<\/span><\/p><p><span style=\"font-weight: 400;\">En un contexto donde las arquitecturas de IA evolucionan r\u00e1pidamente, ONNX constituye una inversi\u00f3n tecnol\u00f3gica <\/span><b>estrat\u00e9gica para cualquier organizaci\u00f3n<\/b><span style=\"font-weight: 400;\"> que busque industrializar eficazmente sus soluciones de inteligencia artificial.<\/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-2796026 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"2796026\" 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\">Descubra nuestros cursos de formaci\u00f3n en IA<\/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\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-dd165b3 e-flex e-con-boxed e-con\" data-id=\"dd165b3\" 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-3ecf62b elementor-widget elementor-widget-html\" data-id=\"3ecf62b\" 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    {\r\n      \"@type\": \"Question\",\r\n      \"name\": \"\u00bfQu\u00e9 es ONNX?\",\r\n      \"acceptedAnswer\": {\r\n        \"@type\": \"Answer\",\r\n        \"text\": \"ONNX es un formato abierto dise\u00f1ado para representar modelos de machine learning y deep learning de manera independiente de los entornos.\"\r\n      }\r\n    },\r\n    {\r\n      \"@type\": \"Question\",\r\n      \"name\": \"Arquitectura y componentes t\u00e9cnicos\",\r\n      \"acceptedAnswer\": {\r\n        \"@type\": \"Answer\",\r\n        \"text\": \"ONNX se basa en un gr\u00e1fico de c\u00e1lculo extensible, operadores est\u00e1ndar y tipos de datos normalizados.\"\r\n      }\r\n    },\r\n    {\r\n      \"@type\": \"Question\",\r\n      \"name\": \"\u00bfQu\u00e9 art\u00edculos son compatibles con ONNX?\",\r\n      \"acceptedAnswer\": {\r\n        \"@type\": \"Answer\",\r\n        \"text\": \"ONNX permite exportar modelos desde PyTorch, TensorFlow y scikit-learn para ejecutarlos en otros entornos.\"\r\n      }\r\n    },\r\n    {\r\n      \"@type\": \"Question\",\r\n      \"name\": \"ONNX Runtime: motor de ejecuci\u00f3n optimizado\",\r\n      \"acceptedAnswer\": {\r\n        \"@type\": \"Answer\",\r\n        \"text\": \"ONNX Runtime es el motor oficial, eficiente y multiplataforma, dise\u00f1ado para ejecutar modelos ONNX con alto rendimiento.\"\r\n      }\r\n    },\r\n    {\r\n      \"@type\": \"Question\",\r\n      \"name\": \"Casos de uso industriales\",\r\n      \"acceptedAnswer\": {\r\n        \"@type\": \"Answer\",\r\n        \"text\": \"ONNX facilita la interoperabilidad, el despliegue multiplataforma y la evaluaci\u00f3n robusta de modelos de IA en producci\u00f3n.\"\r\n      }\r\n    }\r\n  ]\r\n}\r\n<\/script>\r\n\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>A medida que los proyectos de inteligencia artificial ganan en complejidad, la capacidad para transferir y ejecutar modelos en entornos variados se ha vuelto esencial. El ecosistema actual se caracteriza por una multitud de art\u00edculos de desarrollo, cada uno con sus especificidades y formatos propietarios. En este contexto, ONNX (Open Neural Network Exchange) emerge como [&hellip;]<\/p>\n","protected":false},"author":45,"featured_media":180840,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2430],"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>ONNX: Hacia una interoperabilidad estandarizada de la inteligencia artificial<\/title>\n<meta name=\"description\" content=\"Descubre ONNX, el est\u00e1ndar de c\u00f3digo abierto que est\u00e1 revolucionando la interoperabilidad en la inteligencia artificial. Exporta f\u00e1cilmente tus modelos entre frameworks (PyTorch, TensorFlow, scikit-learn) y despli\u00e9galos en diversas plataformas gracias a ONNX Runtime y sus motores optimizados. Simplifica y acelera el paso de la investigaci\u00f3n a la producci\u00f3n en IA.\" \/>\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\/onnx-que-es\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"ONNX: Hacia una interoperabilidad estandarizada de la inteligencia artificial\" \/>\n<meta property=\"og:description\" content=\"A medida que los proyectos de inteligencia artificial ganan en complejidad, la capacidad para transferir y ejecutar modelos en entornos variados se ha\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/es\/onnx-que-es\" \/>\n<meta property=\"og:site_name\" content=\"DataScientest\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2025-07-21T06:30:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-07-18T12:03:12+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/es\/files\/2025\/06\/ONNX-datascientest.png\" \/>\n\t<meta property=\"og:image:width\" content=\"768\" \/>\n\t<meta property=\"og:image:height\" content=\"512\" \/>\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=\"1 minuto\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/es\/onnx-que-es#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/es\/onnx-que-es\"},\"author\":{\"name\":\"Daniel\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0\"},\"headline\":\"ONNX: Hacia una interoperabilidad estandarizada de la inteligencia artificial\",\"datePublished\":\"2025-07-21T06:30:00+00:00\",\"dateModified\":\"2025-07-18T12:03:12+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/es\/onnx-que-es\"},\"wordCount\":1023,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/es\/#organization\"},\"articleSection\":[\"Inteligencia Artificial\"],\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/es\/onnx-que-es#respond\"]}],\"copyrightYear\":\"2025\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/es\/onnx-que-es\",\"url\":\"https:\/\/datascientest.com\/es\/onnx-que-es\",\"name\":\"ONNX: Hacia una interoperabilidad estandarizada de la inteligencia artificial\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/es\/#website\"},\"datePublished\":\"2025-07-21T06:30:00+00:00\",\"dateModified\":\"2025-07-18T12:03:12+00:00\",\"description\":\"Descubre ONNX, el est\u00e1ndar de c\u00f3digo abierto que est\u00e1 revolucionando la interoperabilidad en la inteligencia artificial. Exporta f\u00e1cilmente tus modelos entre frameworks (PyTorch, TensorFlow, scikit-learn) y despli\u00e9galos en diversas plataformas gracias a ONNX Runtime y sus motores optimizados. Simplifica y acelera el paso de la investigaci\u00f3n a la producci\u00f3n en IA.\",\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/es\/onnx-que-es\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/es\/#website\",\"url\":\"https:\/\/datascientest.com\/es\/\",\"name\":\"DataScientest\",\"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":"ONNX: Hacia una interoperabilidad estandarizada de la inteligencia artificial","description":"Descubre ONNX, el est\u00e1ndar de c\u00f3digo abierto que est\u00e1 revolucionando la interoperabilidad en la inteligencia artificial. Exporta f\u00e1cilmente tus modelos entre frameworks (PyTorch, TensorFlow, scikit-learn) y despli\u00e9galos en diversas plataformas gracias a ONNX Runtime y sus motores optimizados. Simplifica y acelera el paso de la investigaci\u00f3n a la producci\u00f3n en IA.","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\/onnx-que-es","og_locale":"es_ES","og_type":"article","og_title":"ONNX: Hacia una interoperabilidad estandarizada de la inteligencia artificial","og_description":"A medida que los proyectos de inteligencia artificial ganan en complejidad, la capacidad para transferir y ejecutar modelos en entornos variados se ha","og_url":"https:\/\/datascientest.com\/es\/onnx-que-es","og_site_name":"DataScientest","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2025-07-21T06:30:00+00:00","article_modified_time":"2025-07-18T12:03:12+00:00","og_image":[{"width":768,"height":512,"url":"https:\/\/datascientest.com\/es\/files\/2025\/06\/ONNX-datascientest.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":"1 minuto"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/es\/onnx-que-es#article","isPartOf":{"@id":"https:\/\/datascientest.com\/es\/onnx-que-es"},"author":{"name":"Daniel","@id":"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0"},"headline":"ONNX: Hacia una interoperabilidad estandarizada de la inteligencia artificial","datePublished":"2025-07-21T06:30:00+00:00","dateModified":"2025-07-18T12:03:12+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/es\/onnx-que-es"},"wordCount":1023,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/es\/#organization"},"articleSection":["Inteligencia Artificial"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/es\/onnx-que-es#respond"]}],"copyrightYear":"2025","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/es\/onnx-que-es","url":"https:\/\/datascientest.com\/es\/onnx-que-es","name":"ONNX: Hacia una interoperabilidad estandarizada de la inteligencia artificial","isPartOf":{"@id":"https:\/\/datascientest.com\/es\/#website"},"datePublished":"2025-07-21T06:30:00+00:00","dateModified":"2025-07-18T12:03:12+00:00","description":"Descubre ONNX, el est\u00e1ndar de c\u00f3digo abierto que est\u00e1 revolucionando la interoperabilidad en la inteligencia artificial. Exporta f\u00e1cilmente tus modelos entre frameworks (PyTorch, TensorFlow, scikit-learn) y despli\u00e9galos en diversas plataformas gracias a ONNX Runtime y sus motores optimizados. Simplifica y acelera el paso de la investigaci\u00f3n a la producci\u00f3n en IA.","inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/es\/onnx-que-es"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/es\/#website","url":"https:\/\/datascientest.com\/es\/","name":"DataScientest","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\/180838"}],"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=180838"}],"version-history":[{"count":11,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts\/180838\/revisions"}],"predecessor-version":[{"id":180853,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts\/180838\/revisions\/180853"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/media\/180840"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/media?parent=180838"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/categories?post=180838"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/tags?post=180838"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}