IA de bajo código

Capítulo 3. Bibliotecas y marcos de aprendizaje automático

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

Este capítulo presenta marcos de aprendizaje automático (AM) que simplifican el desarrollo de modelos de AM. Normalmente, necesitas comprender los principios de funcionamiento subyacentes de las matemáticas, la estadística y el ML para construir y entrenar canalizaciones de ML. Estos marcos te ayudan a automatizar muchas de las tareas del flujo de trabajo de ML que llevan mucho tiempo, como la selección de características, la selección de algoritmos, la escritura de código, el desarrollo de canalizaciones, el ajuste del rendimiento y la implementación de modelos.

AutoML sin código

Imagina que eres un analista empresarial que trabaja para una empresa de servicios públicos. Tienes un proyecto que requiere que ayudes a la empresa a desarrollar programas de marketing y divulgación dirigidos a comunidades con un alto consumo de energía eléctrica. Los datos están en un formato de archivo de valores separados por comas(CSV).

No tienes formación en ML ni conocimientos de programación, pero el jefe del equipo te ha pedido que te encargues de este proyecto porque has expresado tu interés por el ML y por cómo puede aplicarse en la organización. Aunque no tienes experiencia en programación, la poca investigación que has realizado te ha permitido hacer algunas observaciones:

• Para los no codificadores como tú, existen ...