Domingo 18 de octubre de 2026 · 07:56

Cómo hacer predicciones tabulares sin entrenamiento con los modelos de datos estructurados de NVIDIA

Útil para Programadores 65%

The library wraps TabICLv2 and KumoTabular for single tables and KumoRelational for whole relational databases, and each of them answers by in-context learning: we hand the model a set of labeled rows and the rows we want predicted, and it returns probabilities or a full predictive distribution in one forward pass. Copy Code Copied Use a different Browser import os import sys import time import textwrap import traceback import subprocess RESULTS = {} def banner(title): print("\n" + "=" * 78) print(title) print("=" * 78) def section(name): def wrap(fn): def run(*a, **kw): banner(name) try: out

Cómo te afecta

• Programadores

  Sin entrenar nada: pasa filas etiquetadas y las que quieres predecir a TabICLv2 o KumoTabular, y recibe probabilidades en una pasada. Para bases de datos relacionales enteras, KumoRelational hace lo mismo.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

• MarkTechPostLeer la noticia completa en MarkTechPost

También ese día

• Mistral publica en abierto los pesos de Large 4, su modelo multimodal de 1 billón de parámetros
• Google lanza Gemini 4 Carbon, con acceso limitado a defensores de ciberseguridad, y lidera el índice Artificial Analysis v5 por un punto
• EE. UU. ordena a sus agencias civiles federales retirar los productos de DeepSeek
• Anthropic destinará el 5% de sus acciones a un fondo de beneficio público; Musk responde con acciones de SpaceX para niños
• Google DeepMind: cuatro agentes de IA completan Minecraft en 27 horas sin intervención humana
• Microsoft rescinde su acuerdo para ser el principal cliente del centro de IA de Nscale en Loughton, en plena salida a bolsa

Todas las noticias de IA del domingo 18 de octubre de 2026 ->