El modelo da una precisión altísima en la notebook y en producción falla mucho más. Pasa más seguido de lo que parece. El problema suele estar en cómo se formuló la pregunta, en datos del futuro que se filtraron al entrenamiento o en una métrica que no mide lo que importa. En este programa trabajamos esos puntos tanto como los algoritmos.
¿Qué vas a poder hacer?
- Decidir si un problema se resuelve con machine learning o con otra cosa.
- Preparar datos y variables sin fugas de información.
- Entrenar y validar modelos de regresión y clasificación.
- Elegir la métrica según el problema y manejar clases desbalanceadas.
- Usar árboles y ensambles, ajustar hiperparámetros e interpretar el modelo.
- Poner un modelo a producir y monitorear su deriva.
Cómo es el programa
Arrancamos por la formulación del problema y los datos, que es donde se va la mayor parte del trabajo. Seguimos con regresión, clasificación, métricas, ensambles, interpretabilidad y series temporales, y cerramos con producción, monitoreo y límites éticos. Todo sobre datos de Ancla. En la última clase cada uno presenta un modelo sobre su propio problema.
- 13 clases con el material de cursada en el sitio, 26 horas en total.
- Caso Distribuidora Ancla, una distribuidora argentina ficticia de consumo masivo, con datos de práctica para descargar.
- Presentación de cada clase, quiz por clase y página de errores frecuentes.
- Glosario, hoja de referencia rápida y un punto de partida para ver por dónde entrar.
- Grilla de revisión para el proyecto integrador.
Tu acceso al curso no vence: entrás al material cuando quieras, desde la primera clase del curso en esta tienda. Cada vez que entrás, ese navegador queda reconocido 30 días para no pedirte el mail de nuevo.
Temario
- Clase 01: Cuándo un problema es de machine learning
- Clase 02: Datos, features y fugas de información
- Clase 03: Regresión: primer modelo
- Clase 04: Entrenamiento, validación y test
- Clase 05: Clasificación: primer modelo
- Clase 06: Métricas de evaluación y desbalance
- Clase 07: Árboles y ensambles
- Clase 08: Selección de variables y ajuste de hiperparámetros
- Clase 09: Interpretabilidad
- Clase 10: Series temporales con ML
- Clase 11: Puesta en producción del modelo
- Clase 12: Monitoreo, deriva, ética y límites
- Clase 13: Proyecto integrador
Probá gratis la clase 1, "Cuándo un problema es de machine learning", completa y sin registrarte: abrir la clase.
Descargá el temario en PDF: las 13 clases con sus objetivos, para compartir con tu jefe o con RRHH si tenés que pedir la aprobación.
Este programa también está en Carrera de ciencia de datos, con descuento por hacer varios programas.
¿Es para vos?
Sí, si analizás datos con Python y querés construir modelos predictivos que se usen. Conviene llegar con pandas y con nociones de regresión e inferencia, que se ven en Análisis de datos avanzado.
Comprar este programa ↑
