Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Aprende a diseñar, automatizar y supervisar procesos de previsión escalables en Python. Este curso avanzado te guía a través de todo el flujo de trabajo de producción, desde la obtención de datos y el entrenamiento de modelos hasta la implementación y la supervisión, utilizando herramientas como MLflow y Airflow.Comenzarás conectándote a fuentes de datos en tiempo real y creando tu primera previsión con datos sobre la demanda eléctrica en Estados Unidos. A continuación, descubrirás los fundamentos de la experimentación, incluyendo el backtesting, la evaluación y el registro de modelos utilizando MLflow.A continuación, crearás procesos de previsión automatizados con procesos ETL, registro de modelos y coordinación de Airflow. Por último, aprenderás los fundamentos de la implementación de la producción, incluyendo la supervisión del estado del proceso, la detección de desviaciones en los modelos y el mantenimiento de los sistemas de previsión en entornos reales.
Requisitos previos
Programa de formación
Contenido del curso
1
Arquitectura general
Aprende a conectarte a fuentes de datos en tiempo real y a preparar datos de series temporales para la predicción. Obtendrás datos horarios de demanda eléctrica de la API de la EIA de EE. UU. y crearás tu primera predicción.
- Llevar tu modelo de pronóstico a producción50 XP
- Arquitectura de un proyecto de forecasting50 XP
- Beneficios de los frameworks de experimentación50 XP
- Revisar los datos de entrada50 XP
- Hacer una solicitud a una API100 XP
- Preparar y visualizar los datos100 XP
- Interpretar visualizaciones de series temporales50 XP
- Trabajar con un objeto de pronóstico50 XP
- Previsión con modelos de ML100 XP
- Evaluar el rendimiento del pronóstico100 XP
- Visualizar el rendimiento del pronóstico100 XP
2
Experimentación
Descubre los fundamentos de la experimentación, incluido backtesting, evaluación y registro de modelos con MLflow.
3
Configuración de la automatización
Aprende a construir canalizaciones de predicción automatizadas que actualicen los datos y las predicciones a diario. Configurarás procesos ETL, registrarás modelos con MLflow y orquestarás todo con Airflow. Crea un sistema listo para producción con validación de datos y registro de eventos para monitorizar el estado de la canalización.
4
Del despliegue a producción
Descubre lo esencial del despliegue en producción, desde monitorizar el estado de la canalización hasta detectar el drift del modelo. Aprenderás buenas prácticas para la reproducibilidad, el escalado y el mantenimiento de sistemas de predicción en entornos reales.
Diseño de canalizaciones de predicción para producción
Curso
completado
