Ciencia de Datos en la Plataforma en la Nube de Google, 2ª Edición

Capítulo 11. Funciones de ventana temporal para el aprendizaje automático en tiempo real

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En el Capítulo 8, exploramos brevemente la posibilidad de incorporar al modelo características temporales, como la media móvil del retraso de salida del taxi en el aeropuerto de origen. Descubrimos que las características temporales reducían el error del modelo. Sin embargo, no estaba claro cómo los clientes (que sólo conocen el vuelo en el que viajan) podrían proporcionar el valor correcto. Por eso, decidimos suprimir las funciones de ventana de tiempo. En este capítulo, abordaremos esa deficiencia implementando un proceso de aprendizaje automático en tiempo real y en streaming que utiliza Cloud Dataflow y Vertex AI.

Todos los fragmentos de código de este capítulo están disponibles en la carpeta 11_realtime del repositorio de GitHub. Consulta el archivo README.md de ese directorio para obtener instrucciones sobre cómo realizar los pasos descritos en este capítulo.

Promedios temporales

¿Qué funciones agregadas de ventana de tiempo queríamos utilizar, pero no pudimos? Las horas de llegada de los vuelos se programan en función de la hora media de salida del taxi en el aeropuerto de salida a esa hora concreta. El modelo de aprendizaje automático aprenderá esta media con bastante facilidad porque estamos mostrando todo el conjunto de datos y diciéndole al modelo ML el nombre ...