Los 10 mejores marcos AutoML para Python y usuarios sin conocimientos de programación

El machine learning (AutoML) suele ser malinterpretado.

Muchas personas del sector tecnológico dan por sentado que las herramientas de AutoML solo están destinadas a usuarios empresariales o equipos sin conocimientos técnicos que no entienden cómo se entrenan o implementan los modelos de machine learning. Esta suposición es incorrecta.

En la práctica, los científicos de datos y los ingenieros de machine learning utilizan habitualmente marcos AutoML para reducir el tiempo de experimentación, mejorar el rendimiento de los modelos y automatizar las etapas repetitivas del ciclo de vida del machine learning. 

Estas herramientas de AutoML admiten tareas como la ingeniería de características, la selección de modelos, el ajuste de hiperparámetros y la automatización integral de procesos, lo que permite a los equipos centrarse en trabajos de mayor valor.

En este artículo, exploraré algunos de los mejores marcos de AutoML disponibles en la actualidad, diseñados para usuarios con diferentes niveles de experiencia. Las herramientas se agrupan en tres categorías claras:

• Marcos de código abierto
• Plataformas sin código y con poco código
• Soluciones AutoML de nivel empresarial

Para cada marco, destacamos sus características principales y proporcionamos código de ejemplo para que puedas empezar a utilizarlo inmediatamente.

¿Qué son los marcos AutoML?

AutoML hace referencia a las herramientas y sistemas que automatizan todo el proceso de desarrollo de modelos de machine learning, desde los datos sin procesar hasta un modelo entrenado y listo para implementar. 

Los marcos AutoML se encargan de muchas de las tareas repetitivas y técnicas que conlleva la creación de modelos de machine learning, de modo que tanto los profesionales expertos como los usuarios con menos conocimientos técnicos puedan trabajar de forma más eficiente.

Diagrama del flujo de trabajo de AutoML

En concreto, los marcos de AutoML suelen automatizar los siguientes pasos del flujo de trabajo del machine learning:

• Preprocesamiento y validación de datos, incluyendo la limpieza, normalización y formateo de datos sin procesar para el entrenamiento.
• Ingeniería y selección de características, donde se crean o seleccionan automáticamente variables de entrada significativas.
• Selección de algoritmos, que prueba varios tipos de modelos para encontrar el que mejor se adapta al problema.
• Optimización de hiperparámetros, ajuste de los parámetros del modelo para mejorar el rendimiento sin necesidad de realizar pruebas y errores manuales.
• Evaluación y clasificación de modelos, comparando los modelos entrenados con métricas clave para identificar el que mejor rendimiento ofrece.
• Soporte para implementación y supervisión en plataformas empresariales, lo que permite a los equipos poner en práctica modelos a gran escala.

Al automatizar estas tareas, los marcos de AutoML reducen el esfuerzo manual, mejoran la coherencia y la reproducibilidad, y permiten que tanto los equipos técnicos como los no técnicos puedan crear modelos de machine learning de alta calidad con mayor rapidez. 

Marcos AutoML de código abierto

Los marcos AutoML de código abierto proporcionan herramientas flexibles, transparentes y fáciles de usar para los programadores, que permiten a los profesionales automatizar la creación de modelos sin perder el control total sobre los datos, los procesos y los flujos de trabajo de implementación.

1. TPOT

TPOT es un marco AutoML de Python de código abierto que utiliza programación genética para descubrir y optimizar automáticamente procesos completos de machine learning. 

Enmarca el diseño de tuberías como un problema de búsqueda evolutiva, explorando combinaciones de pasos de preprocesamiento, modelos e hiperparámetros para identificar soluciones de alto rendimiento. 

TPOT es especialmente eficaz para tareas con datos tabulares en las que se necesita una experimentación rápida y bases sólidas, al tiempo que permite a los profesionales inspeccionar, exportar y reutilizar los procesos resultantes dentro de los flujos de trabajo estándar de scikit-learn.

Características principales:

1. Optimización mediante programación genética: TPOT utiliza algoritmos evolutivos para explorar un amplio espacio de búsqueda de procesos de machine learning y mejorarlos progresivamente con el tiempo.
2. Construcción automatizada de tuberías: Combina automáticamente los pasos de preprocesamiento, los métodos de selección de características, los modelos y los hiperparámetros en procesos integrales.
3. Compatibilidad con Scikit Learn: TPOT aprovecha los componentes de scikit-learn, lo que facilita la comprensión, ampliación e implementación de los procesos resultantes.
4. Espacio de búsqueda personalizable: Los usuarios pueden controlar qué algoritmos, transformaciones y parámetros puede explorar TPOT.
5. Código Python exportable: La canalización con mejor rendimiento se puede exportar como código Python limpio para su posterior inspección o uso en producción.

Ejemplo de código:

Este ejemplo muestra la configuración mínima necesaria para utilizar TPOT. Se cargan las características y etiquetas del conjunto de datos, se inicializa un modelo de regresión lineal ( TPOTClassifier ) con la configuración predeterminada y el métodode ajuste activa el proceso de búsqueda automatizado. 

Durante el entrenamiento, TPOT evalúa múltiples candidatas utilizando programación genética y selecciona un modelo de alto rendimiento basado en la métrica de evaluación especificada.

import tpot
X, y = load_my_data()
est = tpot.TPOTClassifier()
est.fit(X, y)

2. AutoGluon

AutoGluon es un marco AutoML de código abierto desarrollado por AWS AI que automatiza las tareas de machine learning centrándose en la alta precisión, el código mínimo y la compatibilidad con datos tabulares, de texto e imágenes. 

Crea un conjunto diverso de modelos y utiliza la selección automatizada de modelos, el ajuste de hiperparámetros y el aprendizaje conjunto para ofrecer un sólido rendimiento predictivo en diferentes tipos de datos.

Características principales:

• Soporte multimodal: AutoGluon funciona con datos tabulares, texto, imágenes y mucho más, lo que permite múltiples usos en una sola biblioteca.
• Apilamiento y conjuntos automatizados: Combina múltiples modelos utilizando el ensamblaje de pilas para aumentar la precisión más allá de los modelos individuales.
• Ajuste de hiperparámetros: AutoGluon optimiza automáticamente los hiperparámetros del modelo para obtener un mejor rendimiento.
• Facilidad de uso: La API de alto nivel permite a los usuarios entrenar potentes modelos con solo unas pocas líneas de código.
• Preprocesamiento robusto: Se encarga automáticamente del preprocesamiento de datos y reconoce diferentes tipos de características para preparar los datos para el entrenamiento del modelo.

Ejemplo de código:

Este código carga los conjuntos de datos de entrenamiento y prueba como conjuntos de datos tabulares de AutoGluon. A continuación, crea un objeto TabularPredictor especificando la etiqueta de destino y llama a fit para entrenar AutoGluon con los datos de entrenamiento tabulares. Una vez completado el entrenamiento, utiliza el modelo entrenado para generar predicciones sobre el conjunto de pruebas.

from autogluon.tabular import TabularDataset, TabularPredictor

label = "signature"
train_data = TabularDataset("train.csv")

predictor = TabularPredictor(label=label).fit(train_data)

test_data = TabularDataset("test.csv")
predictions = predictor.predict(test_data.drop(columns=[label]))

3. FLAML

FLAML (Fast Lightweight AutoML) es una biblioteca AutoML de Python de código abierto desarrollada por Microsoft Research que está diseñada para encontrar modelos de machine learning de alta calidad de forma automática y eficiente, al tiempo que minimiza el coste computacional y el uso de recursos, lo que la hace ideal para entornos en los que la velocidad y la eficiencia son fundamentales.

Características principales:

• Optimización consciente del presupuesto: FLAML utiliza estrategias de búsqueda rentables que dan prioridad a las configuraciones más económicas y luego exploran otras más complejas según sea necesario, lo que permite un rendimiento sólido con recursos limitados.
• Ajuste rápido de hiperparámetros: Automatiza el ajuste de hiperparámetros centrándose en la velocidad y la eficiencia computacional, en lugar de en la búsqueda exhaustiva.
• Compatibilidad con múltiples tareas: FLAML puede realizar tareas comunes de machine learning, como clasificación, regresión, predicción de series temporales y mucho más, con una configuración mínima.
• Interfaz al estilo Scikit-Learn: Se integra con interfaces conocidas como« » (aprender, ajustar y predecir) de scikit-learn, lo que facilita su adopción por parte de los profesionales.
• Espacio de búsqueda personalizable: Los usuarios pueden personalizar los estimadores y el espacio de búsqueda para equilibrar la precisión y las limitaciones de recursos.

Ejemplo de código:

Este ejemplo de código muestra cómo utilizar AutoML de FLAML. AutoML de FLAML para realizar una tarea de clasificación automatizada en el conjunto de datos Iris, especificando un presupuesto de tiempo y una métrica de evaluación antes del entrenamiento y, a continuación, utilizando el modelo entrenado para obtener probabilidades de predicción.

from flaml import AutoML
from sklearn.datasets import load_iris

X_train, y_train = load_iris(return_X_y=True)

automl = AutoML()

automl_settings = {
    "time_budget": 1,
    "metric": "accuracy",
    "task": "classification",
    "log_file_name": "iris.log",
}

automl.fit(X_train=X_train, y_train=y_train, **automl_settings)

print(automl.predict_proba(X_train))

4. AutoKeras

AutoKeras es una biblioteca AutoML de código abierto basada en marco de aprendizaje profundo Keras , que busca y entrena automáticamente redes neuronales de alta calidad para una amplia gama de tareas, incluyendo datos estructurados, imágenes y texto, con un mínimo de codificación. 

Utiliza una búsqueda eficiente de arquitectura neuronal para encontrar arquitecturas de modelos e hiperparámetros adecuados, lo que hace que el aprendizaje profundo sea más accesible tanto para principiantes como para profesionales con experiencia.

Características principales:

• Búsqueda de arquitectura neuronal: AutoKeras realiza una búsqueda automatizada de arquitecturas para identificar las estructuras de redes neuronales óptimas para tu tarea específica.
• Soporte multimodal: Admite datos tabulares estructurados, datos de imagen y datos de texto dentro de un marco unificado.
• Facilidad de uso: Las API de alto nivel, como StructuredDataClassifier, simplifican el entrenamiento de modelos complejos de aprendizaje profundo con solo unas pocas líneas de código.
• Creación de modelos flexibles: Los usuarios pueden personalizar las restricciones de búsqueda y ampliar el espacio de búsqueda para casos de uso avanzados.
• Integración de Keras y TensorFlow: Dado que AutoKeras se basa en Keras y TensorFlow, se integra a la perfección con estos ecosistemas de aprendizaje profundo tan utilizados.

Ejemplo de código:

Este ejemplo de código importa las bibliotecas necesarias y carga los conjuntos de datos de entrenamiento y prueba desde las URL proporcionadas. Separa las características y las etiquetas, y luego crea un objeto ak.StructuredDataClassifier que busca automáticamente un modelo de aprendizaje profundo sólido. El modelo se entrena durante un número determinado de ensayos y épocas, y se imprime el resultado final de la evaluación en el conjunto de pruebas.

import keras
import pandas as pd
import autokeras as ak

TRAIN_DATA_URL = "https://storage.googleapis.com/tf-datasets/titanic/train.csv"
TEST_DATA_URL = "https://storage.googleapis.com/tf-datasets/titanic/eval.csv"

train_file_path = keras.utils.get_file("train.csv", TRAIN_DATA_URL)
test_file_path = keras.utils.get_file("eval.csv", TEST_DATA_URL)

train_df = pd.read_csv(train_file_path)
test_df = pd.read_csv(test_file_path)

y_train = train_df["survived"].values
x_train = train_df.drop("survived", axis=1).values

y_test = test_df["survived"].values
x_test = test_df.drop("survived", axis=1).values

clf = ak.StructuredDataClassifier(overwrite=True, max_trials=3)
clf.fit(x_train, y_train, epochs=10)

print(clf.evaluate(x_test, y_test))

Plataformas AutoML sin código y con poco código

Las plataformas AutoML sin código y con poco código simplifican el desarrollo de modelos al abstraer flujos de trabajo complejos, lo que permite una rápida experimentación e implementación tanto para los equipos técnicos como para los usuarios empresariales.

5. PyCaret

PyCaret es una biblioteca de machine learning de código abierto y bajo código en Python que automatiza el flujo de trabajo de machine learning de extremo a extremo para tareas como clasificación, regresión, agrupación, detección de anomalías y predicción de series temporales, lo que permite la creación rápida de prototipos con solo unas pocas líneas de código, al tiempo que admite una interfaz gráfica de usuario para aquellos que prefieren experiencias de bajo código o de clic.

Características principales:

• Automatización con poco código: PyCaret reduce significativamente la cantidad de código que necesitas escribir al automatizar los pasos estándar del machine learning, como el preprocesamiento de datos, el entrenamiento de modelos, la evaluación y la selección.
• Compatibilidad con múltiples tareas de ML: Incluye soporte integrado para una variedad de tareas de machine learning, entre las que se incluyen la clasificación, la regresión, la agrupación, la detección de anomalías, el procesamiento del lenguaje natural y el análisis de series temporales.
• Preprocesamiento integrado: PyCaret realiza automáticamente pasos comunes de preprocesamiento de datos, como el manejo de valores faltantes, la codificación de características categóricas y el escalado para modelos.
• Comparación y selección de modelos: La función « compare_models » entrena y evalúa muchos modelos mediante validación cruzada y proporciona una tabla de clasificación del rendimiento para ayudar a elegir el mejor modelo.
• Extensible e integrable: Incorpora bibliotecas consolidadas (scikit-learn, XGBoost, LightGBM, CatBoost, etc.) y se puede integrar en herramientas de BI como Power BI, Tableau y otras. 

Ejemplo de código:

Este fragmento de código muestra cómo cargar un conjunto de datos integrado, inicializar el módulo de regresión PyCaret con setup (que preprocesa los datos e inicializa el entorno de aprendizaje automático) y, a continuación, utilizar compare_models para entrenar, evaluar y clasificar automáticamente una variedad de modelos de regresión, devolviendo el que mejor rendimiento tenga.

from pycaret.datasets import get_data
from pycaret.regression import *

data = get_data("insurance")

s = setup(data, target="charges", session_id=123)

best_model = compare_models()

6. MLJAR Studio

MLJAR Studio es un entorno AutoML sin código y con poco código que te permite entrenar y comparar modelos de machine learning a través de una interfaz guiada, al tiempo que ofrece un flujo de trabajo Python opcional a través del código abierto mljar-supervised . 

Características principales:

• Flujo de trabajo de AutoML sin código: Puedes cargar un conjunto de datos, seleccionar características y un objetivo, iniciar el entrenamiento y revisar los resultados sin necesidad de escribir código.
• Modelos e informes transparentes: MLJAR hace hincapié en que no es una caja negra y genera informes detallados que explican cómo se construyeron los modelos y cómo funcionan.
• Entrenamiento y ajuste automáticos: El motor AutoML se encarga del preprocesamiento, el entrenamiento de modelos y el ajuste de hiperparámetros para encontrar modelos sólidos.
• Comparación de modelos con resultados claros: Entrena múltiples modelos y te ayuda a compararlos utilizando resúmenes generados y vistas de rendimiento.
• Código opcional a través de mljar-supervised: Si deseas tener más control, las mismas capacidades de AutoML están disponibles a través del paquete Pythonmljar-supervised de . 

Ejemplo de código:

No necesitas código para utilizar MLJAR Studio, ya que puedes ejecutar AutoML a través de la interfaz gráfica de usuario. Sin embargo, el código siguiente muestra el enfoque programático opcional utilizando la biblioteca mljar-supervised. Carga un conjunto de datos, lo divide en características y objetivos, ejecuta el entrenamiento de AutoML y, a continuación, genera predicciones utilizando el modelo entrenado.

import pandas as pd
from supervised.automl import AutoML

df = pd.read_csv(
    "https://raw.githubusercontent.com/pplonski/datasets-for-start/master/adult/data.csv",
    skipinitialspace=True,
)

X = df[df.columns[:-1]]
y = df["income"]

automl = AutoML(results_path="mljar_results")
automl.fit(X, y)

predictions = automl.predict(X)

7. H2O AutoML

H2O AutoML es una función AutoML de código abierto dentro de la plataforma H2O que proporciona machine learning escalable y automatizado con soporte para Python, R y una interfaz gráfica sin código llamada H2O Flow, lo que permite tanto a usuarios técnicos como no técnicos crear, evaluar y seleccionar modelos con un mínimo de codificación. Los usuarios pueden trabajar a través de la interfaz web Flow para importar datos, ejecutar experimentos AutoML, explorar resultados y exportar modelos sin necesidad de escribir código.

Características principales:

• Entrenamiento y ajuste automatizados de modelos: H2O AutoML ejecuta automáticamente múltiples algoritmos, ajusta los hiperparámetros y genera una tabla clasificatoria con los mejores modelos sin necesidad de seleccionar manualmente los modelos.
• Interfaz web sin código: La interfaz gráfica H2O Flow permite a los usuarios interactuar con H2O a través de una interfaz basada en navegador, realizar tareas de machine learning y explorar los resultados sin necesidad de escribir código.
• Compatibilidad con múltiples interfaces: Además de la interfaz de usuario web, se puede acceder a H2O AutoML a través de las API de Python y R, lo que ofrece flexibilidad tanto para flujos de trabajo con poco código como sin código.
• Preprocesamiento automático: H2O AutoML realiza tareas comunes de preprocesamiento, como gestionar valores perdidos, codificar variables categóricas y escalar automáticamente.
• Herramientas de explicabilidad de modelos: H2O ofrece funciones de explicabilidad que generan información sobre el comportamiento y el rendimiento del modelo, lo que ayuda a los usuarios a comprender y confiar en los resultados del modelo. 

Ejemplo de código:

Este ejemplo muestra cómo utilizar H2O AutoML a través de Python. Inicializa el entorno H2O, importa conjuntos de datos de entrenamiento y prueba, especifica columnas de características y objetivos, inicia una ejecución de AutoML con un límite en el número de modelos y, a continuación, muestra una tabla de clasificación con los modelos de mejor rendimiento. 

Nota: Aunque este es el enfoque programático, las mismas tareas se pueden completar a través de la interfaz web de H2O Flow sin necesidad de escribir código.

import h2o
from h2o.automl import H2OAutoML

h2o.init()

train = h2o.import_file(
    "https://s3.amazonaws.com/h2o-public-test-data/smalldata/higgs/higgs_train_10k.csv"
)
test = h2o.import_file(
    "https://s3.amazonaws.com/h2o-public-test-data/smalldata/higgs/higgs_test_5k.csv"
)

x = train.columns
y = "response"
x.remove(y)

train[y] = train[y].asfactor()
test[y] = test[y].asfactor()

aml = H2OAutoML(max_models=20, seed=1)
aml.train(x=x, y=y, training_frame=train)

aml.leaderboard

Soluciones AutoML de nivel empresarial

Las soluciones AutoML de nivel empresarial proporcionan plataformas de machine learning escalables, seguras y reguladas, diseñadas para la implementación en producción, el cumplimiento normativo y el uso operativo a gran escala.

8. DataRobot

DataRobot es una plataforma AutoML sin código y con poco código de nivel empresarial que permite a los usuarios empresariales, analistas y equipos de datos crear, implementar y gestionar modelos de machine learning sin necesidad de realizar una programación exhaustiva. 

La plataforma automatiza todo el ciclo de vida del machine learning, desde la ingesta de datos y la ingeniería de características hasta el entrenamiento, la implementación y la supervisión de modelos, al tiempo que proporciona una sólida gobernanza, explicabilidad y controles operativos necesarios en entornos regulados.

Características principales:

• Desarrollo de modelos sin código: Los usuarios pueden cargar conjuntos de datos, configurar tareas de modelado, entrenar modelos y generar predicciones completamente a través de la interfaz gráfica sin necesidad de escribir código.
• Machine learning automatizado: DataRobot explora automáticamente algoritmos, realiza ingeniería de características, ajusta hiperparámetros y clasifica modelos en función del rendimiento y las métricas empresariales.
• Explicabilidad integrada: La plataforma proporciona herramientas de explicabilidad de modelos globales y locales, incluyendo el impacto de las características, explicaciones de predicciones e informes listos para el cumplimiento normativo.
• MLOps de extremo a extremo: DataRobot admite la implementación de modelos, la supervisión, la detección de desviaciones, el seguimiento del rendimiento y los flujos de trabajo de reentrenamiento dentro de la misma plataforma.
• Gobernanza y seguridad empresarial: La plataforma incluye control de acceso basado en roles, flujos de trabajo de aprobación, registros de auditoría e informes de cumplimiento diseñados para sectores regulados.

Ejemplo de código:

Aunque DataRobot se utiliza principalmente a través de su interfaz sin código, también proporciona una API de Python para el control programático y la automatización. El siguiente ejemplo muestra cómo autenticarse en DataRobot, crear un proyecto a partir de un conjunto de datos y ejecutar AutoPilot para entrenar y evaluar modelos automáticamente.

import datarobot as dr
dr.Client(config_path="./drconfig.yaml")

dataset = dr.Dataset.create_from_file("auto-mpg.csv")

project = dr.Project.create_from_dataset(
    dataset.id,
    project_name="Auto MPG Project"
)

from datarobot import AUTOPILOT_MODE
project.analyze_and_model(
    target="mpg",
    mode=AUTOPILOT_MODE.QUICK
)

project.wait_for_autopilot()

9. Amazon SageMaker Autopilot

Amazon SageMaker Autopilot es una solución AutoML totalmente gestionada de AWS que permite a los usuarios automatizar el flujo de trabajo de machine learning de principio a fin sin sin código o con poco código, especialmente a través de una interfaz web en Amazon SageMaker Canvas o SageMaker Studio. 

Los usuarios pueden importar datos, configurar la variable objetivo, evaluar modelos candidatos e implementar modelos con unos pocos clics en la consola, mientras que el SDK y las API de Python siguen estando disponibles como una forma opcional de hacer que los experimentos sean reproducibles o de integrarlos con otros sistemas.

Características principales:

• Flujo de trabajo sin código basado en la web: La mayoría de las tareas, como la carga de conjuntos de datos, la configuración de experimentos, el entrenamiento de modelos, la evaluación y la implementación, se pueden realizar a través de la interfaz web de SageMaker Canvas o SageMaker Studio sin necesidad de escribir código.
• Análisis y preprocesamiento automatizados de datos: El piloto automático examina el conjunto de datos para detectar el tipo de problema, lo limpia y preprocesa, y diseña características para preparar el entrenamiento del modelo.
• Selección y optimización de modelos: El piloto automático explora múltiples algoritmos de machine learning y ajusta los hiperparámetros para encontrar modelos de alto rendimiento, y luego los clasifica en una tabla de clasificación.
• Explicabilidad y conocimientos: La plataforma ofrece visibilidad sobre los modelos que genera, incluyendo cómo influyen las características en las predicciones y el rendimiento comparativo.
• Implementación de la producción: Los usuarios pueden implementar el modelo seleccionado directamente desde la interfaz con unos pocos pasos, generando puntos finales para la inferencia.

Ejemplo de código: 

El código siguiente muestra cómo ejecutar Amazon SageMaker Autopilot mediante programación con el SDK de Python. Este enfoque es opcional y puede utilizarse para reproducir resultados o integrarse en procesos automatizados.

from sagemaker import AutoML, AutoMLInput

automl = AutoML(
    role=execution_role,
    target_attribute_name=target_attribute_name,
    sagemaker_session=pipeline_session,
    total_job_runtime_in_seconds=3600,
    mode="ENSEMBLING",
)

automl.fit(
    inputs=[
        AutoMLInput(
            inputs=s3_train_val,
            target_attribute_name=target_attribute_name,
            channel_type="training",
        )
    ]
)

10. Google Cloud AutoML

Google Cloud AutoML forma parte de Vertex AI, la plataforma unificada de machine learning de Google Cloud que permite a los usuarios crear, entrenar, evaluar e implementar modelos de alta calidad utilizando una infraestructura totalmente gestionada. 

Vertex AI AutoML admite datos tabulares, procesamiento del lenguaje natural, visión artificial y tareas de vídeo, y está diseñado para ser accesible a través de una interfaz web sin código en Google Cloud Console.

 Todos los pasos fundamentales, como la creación del conjunto de datos, la selección de tareas, el entrenamiento, la evaluación y la implementación, pueden completarse a través de la interfaz de usuario sin necesidad de escribir código.

Características principales:

• Interfaz web sin código: Los usuarios pueden cargar conjuntos de datos, configurar tareas de AutoML, entrenar modelos, revisar métricas e implementar modelos íntegramente a través de la consola de Vertex AI.
• Compatibilidad con múltiples modalidades de datos: AutoML admite clasificación y regresión tabular, clasificación y detección de imágenes, clasificación y extracción de texto, y análisis de vídeo.
• Formación automatizada de principio a fin: Vertex AI AutoML se encarga automáticamente del preprocesamiento, la ingeniería de características, la selección de la arquitectura del modelo y el ajuste de hiperparámetros.
• Infraestructura gestionada: Todo el entrenamiento y la implementación se ejecutan en una infraestructura gestionada por Google con escalabilidad y gestión de recursos integradas.
• Implementación lista para la producción: Los modelos entrenados se pueden implementar directamente desde la interfaz de usuario como puntos finales para predicciones en línea o por lotes.

Ejemplo de código: 

Aunque Vertex AI AutoML está diseñado principalmente para flujos de trabajo sin código, el SDK de Python se puede utilizar para que los experimentos sean reproducibles o para integrar el entrenamiento de AutoML en canalizaciones automatizadas. 

El siguiente fragmento breve inicializa un proyecto de Vertex AI, crea un conjunto de datos de imágenes a partir de un índice CSV almacenado en Cloud Storage y lanza un trabajo de entrenamiento de imágenes de AutoML.

from google.cloud import aiplatform

aiplatform.init(
    project="YOUR_PROJECT_ID",
    location="us-central1",
    staging_bucket="gs://YOUR_BUCKET",
)

dataset = aiplatform.ImageDataset.create(
    display_name="flowers",
    gcs_source=["gs://cloud-samples-data/ai-platform/flowers/flowers.csv"],
    import_schema_uri=aiplatform.schema.dataset.ioformat.image.single_label_classification,
)

training_job = aiplatform.AutoMLImageTrainingJob(
    display_name="flowers_automl",
    prediction_type="classification",
)

model = training_job.run(
    dataset=dataset,
    model_display_name="flowers_model",
    budget_milli_node_hours=8000,
)

Tabla comparativa de marcos de AutoML

Esta tabla compara los marcos AutoML más populares en función de su nivel de automatización, estilo de interfaz e idoneidad para la experimentación con código abierto, flujos de trabajo con poco código y despliegue a escala empresarial.

Reflexiones finales

Los marcos de AutoML han madurado hasta convertirse en herramientas aptas para la producción que dan soporte a los equipos a lo largo de todo el ciclo de vida del machine learning. En la práctica, no se limitan a la experimentación o la creación de prototipos. 

He utilizado los marcos de AutoML para participar en concursos de Kaggle, crear procesos completos de machine learning de principio a fin para proyectos reales e incluso prepararme y superar entrevistas técnicas.

Desde la perspectiva de un científico de datos, AutoML es una forma eficaz de establecer un modelo de referencia sólido e imparcial con muy pocos gastos generales. 

Con solo proporcionar los datos, estos marcos se encargan de la ingeniería de características, la selección de modelos, el ajuste de hiperparámetros y la evaluación. Esto permite a los profesionales centrarse en comprender el problema, validar hipótesis y mejorar los resultados, en lugar de dedicar un tiempo excesivo a investigar y probar modelos desde cero. 

AutoML no sustituye a la experiencia. En cambio, acelera el flujo de trabajo al proporcionar un punto de partida fiable que puede mejorarse de forma iterativa.

Construir el modelo es solo el primer paso. Aprende a implementar y supervisar tus modelos AutoML en producción con el curso Conceptos de MLOps.