Build your ultimate AI agent
Descripción del curso
Introducción al machine learning de extremo a extremo
Sumérgete en el mundo del machine learning y descubre cómo diseñar, entrenar e implementar modelos integrales con este completo curso. A través de ejemplos interesantes del mundo real y ejercicios prácticos, aprenderás a abordar problemas complejos relacionados con los datos y a crear potentes modelos de aprendizaje automático. Al finalizar este curso, contarás con las habilidades necesarias para crear, supervisar y mantener modelos de alto rendimiento que proporcionen información útil. Transforma tus conocimientos sobre machine learning con este curso práctico y completo, y conviértete en un profesional del machine learning de principio a fin.
Evalúa y mejora tu modelo
Comienza por aprender los fundamentos del análisis exploratorio de datos (EDA) y la preparación de datos: limpiarás y preprocesarás tus datos, asegurándote de que estén listos para el entrenamiento del modelo. A continuación, domina el arte de la ingeniería y selección de características para optimizar tus modelos para los retos del mundo real; aprende a utilizar la biblioteca Boruta para la selección de características, registra experimentos con MLFlow y ajusta tus modelos mediante la validación cruzada k-fold. Descubre los secretos de las métricas de error eficaces y diagnostica el sobreajuste, configurando tus modelos para el éxito.
Implementa y supervisa tu modelo
También explorarás la importancia de los almacenes de características y los registros de modelos en los marcos de ML integrales. Aprende a implementar y supervisar el rendimiento de tu modelo a lo largo del tiempo utilizando Docker y AWS. Comprender el concepto de deriva de datos y cómo detectarla mediante pruebas estadísticas. Implementa bucles de retroalimentación, reciclaje profesional y estrategias de etiquetado para mantener el rendimiento de tus modelos ante datos en constante cambio.
Este curso te proporcionará habilidades prácticas directamente aplicables a una carrera como científico de datos o ingeniero de machine learning, lo que te permitirá diseñar, implementar y mantener modelos; habilidades cruciales para aprovechar el impacto comercial de las soluciones de machine learning.
Requisitos previos
Programa de formación
Contenido del curso
1
Diseño y exploración
En este primer capítulo, participarás en las fases fundamentales de cualquier proyecto de Machine Learning: diseñar un caso de uso de extremo a extremo, el análisis exploratorio de datos y la preparación de datos. Al terminar el capítulo, tendrás una comprensión sólida de las etapas iniciales de un proyecto de Machine Learning, desde conceptualizar un caso de uso hasta preparar los datos para su procesamiento y el entrenamiento del modelo.
- Diseñar un caso de uso de Machine Learning de extremo a extremo50 XP
- Definiciones de las fases del ciclo de vida de Machine Learning50 XP
- Ciclo de vida de Machine Learning100 XP
- Análisis exploratorio de datos50 XP
- Visualiza tus datos100 XP
- Detectar desbalance de clases100 XP
- Objetivos de la EDA100 XP
- Preparación de datos50 XP
- Funciones de preparación de datos100 XP
- Imputación avanzada100 XP
- Limpieza de tu conjunto de datos100 XP
2
Entrenamiento y evaluación del modelo
Este capítulo profundiza en los procesos esenciales de entrenamiento y evaluación del modelo. Consta de cuatro lecciones completas, centradas en distintos aspectos de la ingeniería y la selección de características, el entrenamiento del modelo, el registro de experimentos y la evaluación del modelo.
3
Despliegue del modelo
Este capítulo aborda los elementos clave del despliegue de modelos, una fase crucial en el ciclo de vida del Machine Learning. Empezaremos con las pruebas y luego avanzaremos hacia los componentes de arquitectura, con foco en los feature stores y los registros de modelos. A continuación, entraremos en el ámbito del empaquetado y la contenedorización. El capítulo concluye con una visión general de la Integración Continua y el Despliegue Continuo (CI/CD).
4
Supervisión del modelo
En el capítulo final, explorarás las complejidades de la supervisión del modelo, una fase crítica dentro del ciclo de vida del Machine Learning.
Machine Learning de extremo a extremo
Curso
completado
