Muy interesante este tema.
Lo increíble es que mi mente leyó todo con la voz del profesor xD
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 Batch K-Means
Implementación de Mean-Shift
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
Bonus: Auto Machine Learning
32/37Lectura
A estas alturas, después de ver la forma en la que scikit-learn nos permite semi-automatizar la optimización de nuestros modelos con GridSearchCV y RandomizedSearchCV es posible que te estés preguntando ¿Cuál es el límite de esta automatización?
...
Regístrate o inicia sesión para leer el resto del contenido.
Aportes 10
Preguntas 0
Ordenar por:
Yo pensaba que estudiando ML iba a tener mejores oportunidades laborales y ya están haciendo el Automated Machine Learning, creo que llegué tarde 😦
“En “A Brief Introduction to AutoML”, publicado por la revista de AI Becoming human, se indica que ML puede requerir contratar varias personas experimentadas y seguir sus sugerencias a propósito de qué modelo elegir. Mientras que con AutoML no hace falta hacer tal contratación, porque personal con menos experiencia técnica puede hacer un desarrollo exitoso utilizando un modelo pre-construido en el sistema y que hasta puede usarse para implementaciones futuras”
AutoML muestra que es posible que sean las propias redes neurales las que diseñen este tipo de redes” … Carajo, esto y el GPT-3 nos van a joder bastante por lo visto.
Creo que Platzi debería sacar estos cursos de AutoML, 🤔
Además de estas hay muchas otras librerias de AutoML igualmente muchas están 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 análisis 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
Curso de auto-sklearn! Por favor
Los enlaces de GitHub están caídos!
Muy interesante :3
Es interesante ver la manera en la cual, a través de cada curso que uno hace se ven formas más fáciles e interesantes de aplicar los modelos de ML. Lo que nos puede llevar a la conclusión, de que hay que educar a las empresas tradicionales, para que lo empiecen a aplicar en su toma de decisiones.
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.