Esta ultima parte fue BRUTAL, gracias por tan poderosa herramienta 😄
Aprender los conceptos clave
Todo lo que aprenderás sobre MA con Scikit-Learn
¿Cómo aprenden las máquinas?
Problemas que podemos resolver con Scikit-learn
Las matemáticas que vamos a necesitar
Iniciar un proyecto con sklearn
Configuración de nuestro entorno Python
Instalación de librerías en Python
Datasets que usaremos en el curso
Optimización de features
¿Cómo afectan nuestros features a los modelos de Machine Learning?
Introducción al PCA
Preparación de datos para PCA e IPCA
Implementación del algoritmo PCA e IPCA
Kernels y KPCA
¿Qué es la regularización y cómo aplicarla?
Implementación de Lasso y Ridge
Explicación resultado de la implementación
ElasticNet: Una técnica intermedia
Regresiones robustas
El problema de los valores atípicos
Regresiones Robustas en Scikit-learn
Preparación de datos para la regresión robusta
Implementación regresión robusta
Métodos de ensamble aplicados a clasificación
¿Qué son los métodos de ensamble?
Preparación de datos para implementar métodos de ensamble
Implementación de Bagging
Implementación de Boosting
Clustering
Estrategias de Clustering
Implementación de Mean-Shift
Implementación de Batch K-Means
Optimización paramétrica
Validación de nuestro modelo usando Cross Validation
Implementación de K-Folds Cross Validation
Optimización paramétrica
Implementación de Randomized
Bonus: Auto Machine Learning
Salida a producción
Revisión de nuestra arquitectura de código
Importar y exportar modelos con Sklearn
Creación de una API con Flask para el modelo
Cierre del curso
Material adicional para consultar
Aún no tienes acceso a esta clase
Crea una cuenta y continúa viendo este curso
Crear cuenta
Si ya tienes una cuenta,
Iniciar sesiónCreación de una API con Flask para el modelo
35/37Recursos
Aportes 19
Preguntas 5
Ordenar por:
Ojalá hay un curso especial de como desplegar modelos en producción. Ya sea para una aplicación web, mobil, o una API Rest
muy buena la clase
Pues a darle con el curso de Flask!
Excelente clase! Muy profesional todo lo que nos enseñó el profe Ariel.
Clase magistral de ML
Esto fue como la cereza del pastel. Todo tomo sentido con esta clase.
Yo llevo un tiempo usando el micro framework flask y me he dado cuenta que es muy versátil y muy fácil de usar, además que se lo puede usar como backend para apps web más complejas si se trabaja con módulos como blueprint para estructurar el proyecto tipo mvc, pero recalco que es una herramienta poderosa para interactuar con modelos de aprendizaje automático, por decirlo así.
Excelente el curso y la clase de API con Flask …
Alternativas más fáciles a Flask:
- StreamLit
- Gradio
flask
Crea servidores web basicos
import joblib
import numpy as np
from flask import Flask
from flask import jsonify
model = joblib.load(‘archivo.plk’)
app.run(port=8080)
#POSTMAN PARA PRUEBAS
#SI QUEREMOS ENVIAR DATOS -> POST
@app.route(’/predict’,methods=[‘GET’])
def predict():
X_term = np.array([1,2,3,4…])
prediction = model.predict(X_test.reshape(1,-1)
return jsonify({‘prediccion’:list(prediction)})
localhost:8080/predict
me encantó ver, que no perdí mi tiempo estudiando django y flask y fastapi, pero lo que más quiero es dedicarme a este mundo.
Excelente terminacion del proyecto, ya casi podemos implementar cualquier problema de analisis de regresion y poder predecir con mucha exactitud
Que brutal, con solo esta clase entendí un millón de cosas con respecto a llevar a producción, sin duda muy valiosa
muy buena
Genial, muy buena clase Ariel !!!
Excelente curso, las explicaciones del profesor… Muy buenas.
El contenido muy bien llevado
Muy bueno de verdad
¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.