Laboratorios de ML: practica tus habilidades en proyectos profesionales

Laboratorio de Machine Learning: Puesta en Producción de Modelos

Contenido del curso

Bienvenida al laboratorio

Mejoras incrementales

Mejoras fundamentales

Cierre del laboratorio

8
¿Cómo continuar tu proyecto?
00:54 min

Tomar examen

🔴 MUCHO OJO ❌ Esto NO es un curso. Aquí no aprenderás de machine Learning, sino que vienes a poner a prueba tus habilidades. Ricardo esta vez no es un profesor del que vas a aprender sobre data science.

💚 En este LABORATORIO desarrollarás un proyecto de mejora a un modelo de machine learning que fue entrenado previamente. Tú, con tus conocimientos de la Escuela de Data Science e Inteligencia Artificial, tienes que analizar el funcionamiento y estructura del proyecto, proponer mejoras, ejecutarlas y probar tus resultados. No habrá un profesor del que aprenderás el paso a paso (recuerda que para eso están los cursos, no los laboratorios). Aquí vienes a desafiar tus habilidades y cumplir un reto por tu cuenta.

🧠 Para tomar este laboratorio es necesario que tengas los siguientes conocimientos:

Programación con Python.
Git y GitHub.
Análisis y procesamiento de datos con Python.
Programación de API con Flask y/o FastAPI.
Machine learning.
scikit-learn.
Pipelines de datos para entrenamiento de modelos.
Resolución de problemas con machine learning.
Cloud services para despliegue de modelos de ML con AWS, GCP o Azure.

Estos conocimientos puedes aprenderlos con los cursos previos a este laboratorio en la ruta de Data Scientist con Python.

👀 Durante el laboratorio, Ricardo te dará instrucciones generales y algunas recomendaciones de cómo podrás abordar el proyecto para optimizar el performance del modelo.

💪 ¿Tienes todo listo para comenzar? Empecemos, esperamos ver tus resultados cuando termines. 🚀

Laboratorios de ML: practica tus habilidades en proyectos profesionales