Participa del Call for Code Global Challenge | Tienes tiempo hasta el 31 de Julio! Responde el llamado

Utilizar AutoML para encontrar y desplegar los mejores modelos en minutos

Las herramientas de Automated Machine Learning (AutoML) ayudan a automatizar el proceso completo involucrado en el desarrollo y mantenimiento de modelos de machine learning. En esta serie, aprende cómo AutoAI en Watson Studio puede preparar datos automáticamente, aplicar algoritmos de machine learning, realizar optimización de hiperparámetros y desarrollar pipelines de modelos que se adapten mejor a tus conjuntos de datos y casos de uso.

Realiza una prueba de Coursera para conocer y consigue la certificación de la creación rápida de prototipos con Watson AutoAI. Para conectarte con tus pares y discutir AutoML y otros temas de ciencia de datos, únete a IBM Data Science Community.

Tema Descripción
Introducción a Watson AutoAI Aprende cómo AutoAI es AutoML de próxima generación
Comparar el desarrollo de modelos con y sin AutoML Descubre cómo AutoAI simplifica tu experiencia de desarrollo de modelos
Generar el pipeline de modelo ideal para tu problema Accede a más detalles sobre la generación de pipeline de modelo
Generar automáticamente un Python notebook usando AutoAI Genera, crea e implementa modelos desde un Python notebook
Crear de forma rápida tu aplicación web de machine learning Python Automatiza todas las tareas involucradas en el desarrollo de modelos predictivos para diferentes requisitos

Introducción a Watson AutoAI


Aprende sobre:

  • Descripción general de Automated Machine Learning(AutoML)
  • Introducción a AutoAI

Compara el desarrollo de modelos con y sin AutoML


Aprende sobre:

  • Descripción general de Automated Machine Learning (AutoML)
  • Dos formas de desarrollar modelos predictivos, con y sin la ayuda de AutoAI
  • Compara el desarrollo de modelos con y sin AutoML

Generar el pipeline de modelo ideal para tu problema


Aprende sobre:

  • Beneficios del servicio AutoAI en un caso de uso
  • Cómo se realizan las tareas (ingeniería de características, selección de modelos y ajuste de hiperparámetros)
  • Detalles para elegir el mejor modelo entre los pipelines y cómo desplegar y usar estos modelos

Generar automáticamente un Python notebook usando AutoAI


Aprende sobre:

  • Ejecutar un experimento de AutoAI
  • Generar y guardar un Python notebook
  • Ejecutar el notebook y analizar resultados
  • Realizar cambios y volver a entrenar el modelo utilizando Watson Machine Learning SDK
  • Desplegar el modelo usando Watson Machine Learning desde dentro del notebook

Crea rápidamente tu aplicación web de machine learning Python


Aprende sobre:

  • Configura rápidamente los servicios en IBM Cloud para desarrollar el modelo
  • Ingresa los datos e inicia el proceso de AutoAI
  • Crea diferentes modelos con AutoAI y evalúa el rendimiento
  • Elige el mejor modelo y completa el despliegue
  • Genera previsiones utilizando el modelo desplegado haciendo llamadas REST
  • Compara el proceso de usar AutoAI y desarrollar el modelo de forma manual
  • Visualiza el modelo desplegado mediante una aplicación de interfaz de usuario