Clase 3 de 8 • Laboratorio de Machine Learning: Optimización de Modelos
Contenido del curso
Alejandro Giraldo Londoño
Ricardo Alanis
Julián Cárdenas
Mateo Sánchez Alzate
Ricardo Alanis
Ricardo Alanis
Lenin Echavarria
Mateo Sánchez Alzate
Resumen: ■■■■■■■
El propósito de estas clases-labs son simular un ambiente seguro donde practicar habilidades de data , el contexto es que se tiene una data proveniente de una FinTech, tienes que evaluar el churn o la tasa en que un servicio se deja de usar, se cancela o en este caso dejan de pagar.
Clona el repositorio, instala tu ambiente, setea tu forma de trabajar. Al final hay que enviar el pull request de las mejoras que hiciste al modelo.
Tienes 2 días a partir de hoy para recordar tus habilidades como data profesional!!🛸🐍
Excelente resumen, gracias por contribuir!!
Buen aporte!
Hola Ricardo y compañeros.
Primeramente quiero felicitar y agradecer a platzi por este tipo de actividades ❤.
Tengo la siguiente observación:
En el momento de dividir el set en features y variable objetivo se olvidaron de eliminar la columna "Exited" de la variable "X".
Es por esto que al enviar el curl a la API salta un error, ya que para recibir una respuesta hace falta 1 argumento más en la peticion GET. Este es un error grave ya que afecta la funcionalidad de la API y altera por completo el comportamiento del modelo ML (Está entrenando con las respuestas... Está haciendo trampa 😡).
No siendo más te estaré realizando un PULL con mis observaciones en el tiempo límite... Agradecido por la oportunidad de ser parte del equipo de FINNTECH CORP 😎
Mateo, definitivamente ese fue un error no intencional, que bueno que lo encontraste! Muy agradecido.
Voy a hacer el cambio, enfocate mejor, en vez de ese error, en las cosas que daran valor!
Me refiero, por cosas que dan valor, a fuera de ese fix, a hacer cosas que tengan que ver con el modelo, ya que subire el fix asap! Si gustas mandarme tu handle o agregarme en LinkedIn, me encantaria hacerte un shootout en el codigo!!
¿Alguien me puede orientar? Al ejecutar el ejemplo de confirmación, me aparece código html y no el mensaje {"response": [1]}
Tienes razón!!. El modelo tiene un error y es que al momento de dividir los features y el target, se olvidaron de borrar la variable objetivo de los datos de entrenamiento. Para resumir "X" tiene la columna "Exited", por ende requiere este parámetro para realizar una predicción.
