Speaker(s):

Taller: Automatización de Machine Learning desde la formación hasta las aplicaciones

Mar-24-2021 23:45

¿Cómo se puede acelerar el desarrollo y el éxito de casos de uso con automatización, aprendizaje automático y plataforms de IA modernas? ¿Cómo puede tener varios equipos en su organización para crear modelos de ML precisos sin ser expertos en ciencia de datos o aprendizaje automático?

Venga a esta sesión y descubra cómo comenzar con el Machine Learning automático con H2O Hybrid AI Cloud , Driverless AI, Wave y desarrolle modelos potentes con solo unos pocos clics.

H2O Driverless AI emplea las técnicas de científicos expertos en datos en una aplicación fácil de usar que ayuda a escalar sus esfuerzos de ciencia de datos. AutoML permite a los científicos de datos trabajar en proyectos más rápido utilizando la automatización y la potencia de computación de vanguardia de las CPUs y GPUs para realizar tareas en minutos que solían tomar meses.

Con H2O Driverless AI, todos, incluyendo expertos y científicos de datos junior, científicos de dominio e ingenieros de datos pueden desarrollar modelos confiables de aprendizaje automático. Esta plataforma de aprendizaje automático de última generación ofrece una funcionalidad única y avanzada para la visualización de datos, la ingeniería de características, la interpretabilidad del modelo y la implementación de baja latencia.

H2O Wave es un framework de desarrollo de Python de código abierto que hace que sea rápido y fácil para los científicos de datos, ingenieros de aprendizaje automático y desarrolladores de software desarrollar aplicaciones de IA interactivas en tiempo real con visualizaciones sofisticadas. H2O Wave acelera el desarrollo con una amplia variedad de componentes y gráficos de la interfaz de usuario, que incluyen plantillas de tablero, cuadros de diálogo, temas, widgets y muchos más.

Esta sesión va ser hands-on (practica) con ML Automatico desde la nube. Lo único que se requiere es una computadora.

Actividades que realizaremos:

Importar Datos

Explorar y visualizar datos y patrones

Iniciar el experimento automático de ML y comprender la configuración (precisión, tiempo, interpretabilidad)

Revisar el modelo ganador y las opciones de implementación

Comprender y explicar el modelo

Autodocs del modelo