Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción y configuración del entorno
- ¿Qué es AutoML y por qué es importante?
- Configuración de los entornos de Python y R
- Configuración de entornos de escritorio remoto y nube
Exploración de las funcionalidades de AutoML
- Capacidades principales de los marcos de trabajo de AutoML
- Optimización de hiperparámetros y estrategias de búsqueda
- Interpretación de los resultados y registros de AutoML
Cómo AutoML selecciona algoritmos
- Máquinas de gradiente boosting (GBMs), bosques aleatorios, GLM
- Redes neuronales y backends de aprendizaje profundo
- Compromisos: precisión versus interpretabilidad versus costo
Preparación y preprocesamiento de datos
- Trabajo con datos numéricos y categóricos
- Ingeniería de características y estrategias de codificación
- Manejo de valores faltantes y desequilibrio de datos
AutoML para diferentes tipos de datos
- Datos tabulares (H2O AutoML, auto-sklearn, TPOT)
- Datos de series de tiempo (pronósticos y modelado secuencial)
- Tareas de texto y procesamiento de lenguaje natural (clasificación, análisis de sentimientos)
- Clasificación de imágenes y visión por computadora (Auto-Keras, TensorFlow, PyTorch)
Implementación y monitoreo de modelos
- Exportación e implementación de modelos de AutoML
- Construcción de pipelines para predicción en tiempo real
- Monitoreo de deriva del modelo y estrategias de reentrenamiento
Ensamblaje y temas avanzados
- Apilamiento y mezcla de modelos de AutoML
- Consideraciones de privacidad y cumplimiento normativo
- Optimización de costos para AutoML a gran escala
Solución de problemas y estudios de caso
- Errores comunes y cómo solucionarlos
- Interpretación del rendimiento del modelo de AutoML
- Estudios de caso basados en aplicaciones industriales
Resumen y próximos pasos
Requerimientos
- Experiencia con algoritmos de aprendizaje automático
- Experiencia en programación con Python o R
Público objetivo
- Analistas de datos
- Científicos de datos
- Ingenieros de datos
- Desarrolladores
14 Horas