Nosotros solemos pedir pedir o salir a cenar algún sitio guay, esta noche hemos ido a comernos un ramen, para mi el mejor de la ciudad.

Acaban de lanzar o3 en Chatgpt, genial pero os pido por favor que jubileis a gpt4(modelo antiguo) y comienzan a integrar ya cosas. Esto es ridículo

Qué prisa se ha dado #OpenIA, en sacar esta característica. Baia. #chatgpt

Mi pareja no sabe tomarse un descanso cuando ve la oportunidad. No tiene alma de funcionaria.

El modelo ciertamente razona antes de contestar y lo muestra <think> pero tiene fallos al escribir en español. Voy a probar con los modelos con más parámetros.

Estoy haciendo pruebas con el modelo deepseek-r1 de 7b, no sé si mi portatil puede, pero por ahora no ha explotado. Por ahora aguanta.

Mi comida de hoy. #miso #noodles #pollo

📈 4/ Resultados obtenidos
La tabla dinámica generada es:

📊 3/ ¿Qué es una tabla dinámica?
Una tabla dinámica nos permite resumir datos numéricos (como sumas, promedios, etc.) agrupándolos por categorías (como departamentos). Usamos pd.pivot_table para crearlas. Veamos el código:

🔍 2/ Datos iniciales
Creamos un DataFrame con datos ficticios:

Empleado: Nombre del empleado.
Departamento: El área a la que pertenece.
Salario: El salario de cada empleado.

Estoy aprendiendo pandas para análisis y limpieza de datos.
Uso .dropna() para eliminar nulos y .fillna() para rellenarlos. Tip: para datos numéricos, uso la media para evitar sesgos: df['columna'].fillna(df['columna'].mean(), inplace=True).
#did:plc:pandas #did:plc:bigdata

Necesitamos saber que si seguimos, podemos. Pero también necesitamos descansar un poco

Un despiste tonto

Lo mejor de las dos partes, lo usas por sus ventajas y te sientes experto cuando lo usas 😂