Horretarako, ikastaro honek datuen zientziaren azken joera eta tresna modernoetako batzuk irakasten ditu, hala nola autoML, kode baxuko Machine Learning (low code) edo MLOps.

Tailer honetan, Machine Learningen ereduak autoML, Pycaret eta Pythonekin garatzeko moduari buruzko sarrera praktiko eta aplikatu bat egingo dugu... -Hasi hutsetik hasiko gara Machine Learningen oinarriak eta Pythonen oinarrizko nozioak azaltzen. Ondoren, autoML bidezko sailkapen eta erregresio ereduak garatzen ikasiko dugu. Ondoren, clustering ereduak, anomaliak detektatzea edo denborazko serieak ikusiko ditugu.

Azkenik, MLOPen funtzionalitate aurreratuagoak, ereduen interpretagarritasuna, APIen bidezko ereduen hedapena, Clouden eta Machine Learningen aplikazioen garapena ikasiko ditugu.

Ikasturte hau amaitzean Machine Learningen hainbat modelo garatu eta ekoizpenean jarriko zenituen. Hori guztia, benetako kasuetan oinarritutako metodologia praktikoarekin, non mailaz maila areagotuz eta ezagutza berriak ariketa praktikoekin eta elkarlaneko laborategiekin sendotuz joango garen.

Baldintzak:

Ezinbestekoa da ikaskuntza automatikoko ereduen funtzionamenduari buruzko ezagutza kontzeptuala izatea eta programazio-inguruneetan mugitzeko ohitura izatea.

Gai zerrenda:

• Machine Learningen eta Adimen Artifizialen Oinarriak
• AutoML, Pycaret eta Pythonen oinarriak
• Sailkapen Machine Learningen ereduak
• Erregresioko Machine Learningen ereduak
• Clustering ereduak, anomalien detekzioa eta denborazko serieak

• Ereduen interpretagarritasuna

• MLOps

• HJAen garapena FastAPIrekin

• Machine Learningen aplikazioen garapena