Machine Learning

Exploramos una arquitectura para una solución de software completa donde desplegar un modelo de Python, desde la interfaz de usuario hasta la conexión con el modelo y la obtención de los resultados

Al empezar a trabajar en casos de uso reales, nos encontramos con que ese dataset que recibimos es el resultado de una organización que ha desarrollado un trabajo para poder elaborarlo.
La calidad de ese dataset está directamente relacionada con la organización que lo fabrica y en cómo esta trabaje la calidad de datos. Y muchas veces la sustentabilidad de nuestro modelo también estará relacionada a la calidad de datos en la organización.

Aplicamos las diferentes técnicas de optimización de hiperparámetros en un conjunto de modelos de clasificación para comparar sus resultados.

Exploramos platform.ai para el etiquetado de imágenes. Con esta herramienta podemos analizar un conjunto de resultados de clustering, y crear un modelo de clasificación para

Creamos un modelo de clasificación de imágenes basados en un juego de datos desbalanceado. Luego aplicando técnicas de aumento de datos lo balanceamos. Por último

Echamos un vistazo a las métricas mas utilizadas en casos de clasificación, y observamos su implementación en Python.

En una serie de tres artículos vamos a describir un conjunto de metricas usadas para regresión, clasificación y estadísticas Link al texto completo en Inglés

We analyze the impact of classifying movie reviews sentiments based on a language model trained from scratch, or a pre-trained model using the corpus wikitext-103

Detallamos paso a paso el procedimiento que nos llevó a desarrollar un modelo de regresion ubicado en el top 10 mundial de esta competición. Ver