Quiero comenzar o mejorar haciendo ML con Python, ¿'tons qué?

Abstract

¿Cómo es el pasar de implementar modelos a ponerlos en producción? ¿Cómo es mejor almacenar y trabajar con datasets? ¿Cómo integro mi modelo entrenado a un pipeline? Existen algunas incógnitas cuando comenzamos a trabajar en ML… Y aquí te compartiré algunos tips que he recopilado en mi experiencia como ML Engineer.

Description

The struggle is real…

Cada vez es mayor el número de personas que desean adentrarse en el mundo de la inteligencia artificial y que desean implementar sistemas inteligentes propios. “¿Cómo es el pasar de implementar modelos a ponerlos en producción? ¿Cómo es mejor almacenar y trabajar con datasets? ¿Cómo integro mi modelo entrenado a un pipeline?” Siempre existen algunas incógnitas cuando alguien quiere comenzar a trabajar en ML, sobretodo porque en muchos cursos y libros tienden a enfocarse en la parte técnica relacionada al diseño e implementación de modelos y no siempre te enseñan cómo puedes almacenar los modelos entrenados, cómo crear, almacenar y consumir datasets propios o cómo mandar tus modelos a producción.

Pero podemos mejorar.

No siempre tenemos presentes los buenos hábitos a la hora de escribir código que está enfocado al desarrollo de sistemas de ML, así que aquí te compartiré algunos tips que he recopilado a en mi experiencia como ML Engineer y que seguro te ayudarán a mejorar como ingeniera o ingeniero trabajando en este ámbito. Te compartiré no sólo las ideas, sino que mencionaré algunas herramientas y bloques de código que van a ayudarte a mejorar en tus procesos y desarrollos de ML.