Aprender los conceptos clave

1

Todo lo que aprender谩s sobre MA con Scikit-Learn

2

驴C贸mo aprenden las m谩quinas?

3

Problemas que podemos resolver con Scikit-learn

4

Las matem谩ticas que vamos a necesitar

Iniciar un proyecto con sklearn

5

Configuraci贸n de nuestro entorno Python

6

Instalaci贸n de librer铆as en Python

7

Datasets que usaremos en el curso

Optimizaci贸n de features

8

驴C贸mo afectan nuestros features a los modelos de Machine Learning?

9

Introducci贸n al PCA

10

Preparaci贸n de datos para PCA e IPCA

11

Implementaci贸n del algoritmo PCA e IPCA

12

Kernels y KPCA

13

驴Qu茅 es la regularizaci贸n y c贸mo aplicarla?

14

Implementaci贸n de Lasso y Ridge

15

Explicaci贸n resultado de la implementaci贸n

16

ElasticNet: Una t茅cnica intermedia

Regresiones robustas

17

El problema de los valores at铆picos

18

Regresiones Robustas en Scikit-learn

19

Preparaci贸n de datos para la regresi贸n robusta

20

Implementaci贸n regresi贸n robusta

M茅todos de ensamble aplicados a clasificaci贸n

21

驴Qu茅 son los m茅todos de ensamble?

22

Preparaci贸n de datos para implementar m茅todos de ensamble

23

Implementaci贸n de Bagging

24

Implementaci贸n de Boosting

Clustering

25

Estrategias de Clustering

26

Implementaci贸n de Batch K-Means

27

Implementaci贸n de Mean-Shift

Optimizaci贸n param茅trica

28

Validaci贸n de nuestro modelo usando Cross Validation

29

Implementaci贸n de K-Folds Cross Validation

30

Optimizaci贸n param茅trica

31

Implementaci贸n de Randomized

32

Bonus: Auto Machine Learning

Salida a producci贸n

33

Revisi贸n de nuestra arquitectura de c贸digo

34

Importar y exportar modelos con Sklearn

35

Creaci贸n de una API con Flask para el modelo

36

Cierre del curso

37

Material adicional para consultar

Bonus: Auto Machine Learning

32/37

Lectura

A estas alturas, despu茅s de ver la forma en la que scikit-learn nos permite semi-automatizar la optimizaci贸n de nuestros modelos con GridSearchCV y RandomizedSearchCV es posible que te est茅s preguntando 驴Cu谩l es el l铆mite de esta automatizaci贸n?

...

Reg铆strate o inicia sesi贸n para leer el resto del contenido.

Aportes 14

Preguntas 1

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

Muy interesante este tema.
Lo incre铆ble es que mi mente ley贸 todo con la voz del profesor xD

Yo pensaba que estudiando ML iba a tener mejores oportunidades laborales y ya est谩n haciendo el Automated Machine Learning, creo que llegu茅 tarde 馃槮
鈥淓n 鈥淎 Brief Introduction to AutoML鈥, publicado por la revista de AI Becoming human, se indica que ML puede requerir contratar varias personas experimentadas y seguir sus sugerencias a prop贸sito de qu茅 modelo elegir. Mientras que con AutoML no hace falta hacer tal contrataci贸n, porque personal con menos experiencia t茅cnica puede hacer un desarrollo exitoso utilizando un modelo pre-construido en el sistema y que hasta puede usarse para implementaciones futuras鈥

Creo que Platzi deber铆a sacar estos cursos de AutoML, 馃

AutoML muestra que es posible que sean las propias redes neurales las que dise帽en este tipo de redes鈥 鈥 Carajo, esto y el GPT-3 nos van a joder bastante por lo visto.

Curso de auto-sklearn! Por favor

Adem谩s de estas hay muchas otras librerias de AutoML igualmente muchas est谩n en desarrollo:
https://pycaret.org/
https://autokeras.com/
https://docs.h2o.ai/h2o/latest-stable/h2o-docs/welcome.html
https://ludwig.ai/latest/
https://mlbox.readthedocs.io/en/latest/
https://www.automl.org/automl/autopytorch/

BONUS:
esta es una herramienta para automatizar procesos de an谩lisis exploratorio de datos:
https://pandas-profiling.ydata.ai/docs/master/index.html

Interesante, con esto en mente solo queda una cosa que hacer, reventar la PC a computo. jsjsjsjs

Es interesante ver la manera en la cual, a trav茅s de cada curso que uno hace se ven formas m谩s f谩ciles e interesantes de aplicar los modelos de ML. Lo que nos puede llevar a la conclusi贸n, de que hay que educar a las empresas tradicionales, para que lo empiecen a aplicar en su toma de decisiones.

Los enlaces de GitHub est谩n ca铆dos!

Muy interesante :3

# 鈿狅笍 IMPORTANTE El valor no es solo saber escribir el codigo, sino **entender los conceptos detr谩s de ese c贸digo y el porque de las decisiones.** Puede que el futuro de miedo, pero en tanto nunca paremos de aprender鈥 **Nuestro futuro sera brillante 鉁**

El aprendizaje autom谩tico automatizado, o AutoML por sus siglas en ingl茅s (Automated Machine Learning), se refiere a la automatizaci贸n de tareas clave en el proceso de desarrollo de modelos de aprendizaje autom谩tico. Estas tareas incluyen la selecci贸n de algoritmos, la ingenier铆a de caracter铆sticas, la optimizaci贸n de hiperpar谩metros, la evaluaci贸n de modelos y, en algunos casos, incluso la implementaci贸n de modelos en producci贸n.

Bastante interesante la lectura, y todo el material que nos comparten

Y actualmente ya tenemos IAs generativas como: ChatGPT con su code interpreter, GitHub Copilot o Code Whisperer de AWS para automatizar a煤n m谩s las funciones de ML 馃殌馃馃

Si algunx tiene problemas para instalar auto-sklearn desde ubuntu o no tiene un sistema linux en deepnote se puede usar, solo hay que intalarlo con:

!pip install auto-sklearn