Azure Machine Learning: Entrenamiento y Experimentación de Modelos

El machine learning moderno requiere más que solo escribir código; exige experimentación sistemática, seguimiento y evaluación para encontrar los modelos de mejor rendimiento. Este curso basado en texto te guía a través de los conceptos centrales de los flujos de trabajo de machine learning basados en la nube utilizando Azure Machine Learning. Pasarás del entrenamiento local manual y sin seguimiento a la experimentación estructurada en la nube. Al leer explicaciones claras y estudiar fragmentos de código del mundo real, aprenderás a automatizar la selección de modelos, rastrear experimentos sistemáticamente y asegurar que tus modelos sean justos y explicables. Lo que aprenderás: * Comprender los conceptos fundamentales del machine learning en la nube y la configuración del entorno; * Configurar ejecuciones de machine learning automatizado (AutoML) para descubrir modelos óptimos de manera eficiente; * Rastrear parámetros de entrenamiento, métricas y artefactos utilizando notebooks integrados con MLflow; * Analizar el rendimiento y la justicia del modelo con el panel de IA Responsable; * Desplegar modelos entrenados y comprender conceptos básicos de pipelines MLOps. El curso comienza con la terminología esencial y la configuración del espacio de trabajo antes de pasar a recorridos de código prácticos para el entrenamiento y el seguimiento. Progresarás desde ejecuciones manuales básicas hasta flujos de trabajo automatizados y evaluación de modelos. Este curso está diseñado para científicos de datos principiantes, desarrolladores de software y analistas que buscan aprovechar las herramientas de ML en la nube. No se requiere experiencia previa con plataformas en la nube, aunque una comprensión básica de Python es útil. Comienza tu viaje de machine learning en la nube hoy mismo a través de lectura estructurada y ejemplos prácticos.