• Stars
    star
    2
  • Language
    Jupyter Notebook
  • Created over 2 years ago
  • Updated over 2 years ago

Reviews

There are no reviews yet. Be the first to send feedback to the community and the maintainers!

Repository Details

# Introducción a MLflow MLflow es una plataforma de código abierto para el ciclo de vida del aprendizaje automático (ML), con un enfoque en la reproducibilidad, el entrenamiento y la implementación. Está basado en un diseño de interfaz abierta y es capaz de trabajar con cualquier lenguaje o plataforma, con clientes en Python y Java, y es accesible a través de una API REST. La escalabilidad también es un beneficio importante que un desarrollador de ML puede aprovechar con MLflow. El proposito de este cuaderno, es ver cómo funciona MLflow, con la ayuda de ejemplos y código de muestra. Esto construirá la base necesaria para el resto a fin de utilizar el concepto para diseñar un proyecto de ML de extremo a extremo.

More Repositories

1

Serie-de-tiempo-con-Machine-Learning

Jupyter Notebook
23
star
2

Python

Jupyter Notebook
10
star
3

Normalizacion-de-Datos

5
star
4

Mi-Dataset

5
star
5

Pronostico-Exponenciales-Metodo-Holt-Winters-y-Modelo-de-Tendencia-Amortiguada-con-RStudio

4
star
6

Curso-Peru

Curso Peru
Jupyter Notebook
3
star
7

Grafico-de-burbujas-con-RStudio

2
star
8

An-lisis-discriminante-lineal-LDA-con-R

2
star
9

Curva-de-ROC-con-RStudio

2
star
10

databricks_pyspark

Jupyter Notebook
2
star
11

Creando-intervalos-en-RStudio

1
star
12

Machine-Learning-con-PySpark-usando-Databricks

Jupyter Notebook
1
star
13

Grafico-financiero-con-RStudio

1
star
14

Importar-precio-de-acciones-de-Yahoo-a-RStudio

1
star
15

Grafico-de-spyder-o-de-radar-basico

1
star
16

Analisis-discriminante-regularizado-RDA

1
star
17

Analisis-discriminante-flexible-FDA

1
star
18

Cadena-de-Markov

Cadena de Markov
1
star
19

Modelo-de-Arbol-de-Clasificacion-con-RStudio

1
star
20

An-lisis-discriminante-cuadr-tico---QDA-con-RStudio

1
star
21

4-forma-de-graficar-funciones-de-densidad-continua

Jupyter Notebook
1
star
22

R-Studio

1
star
23

An-lisis-Discriminante-de-Mezcal-MDA

1
star
24

Crear-particiones-de-datos-para-modelos-de-Machine-Learning-

Los analistas necesitan una evaluación imparcial de la calidad de sus modelos de aprendizaje automático. Para conseguirlo, dividen los datos disponibles en dos partes. Usan una parte para construir el modelo de aprendizaje automático y retienen los datos restantes para la evaluación del desempeño del modelo en los datos de reserva. Veremos 4 varios casos para hacer las particiones: Caso 1: variable objetivo numérica y dos particiones Caso 2: variable objetivo numérica y tres particiones Caso 3: variable objetivo categórica y dos particiones Caso 4: variable objetivo categórica y tres particiones
1
star