Cómo poner un modelo de Python en Producción
Aprende a poner un modelo de Python en producción, usando Sklearn, FastAPI, Docker y tu servicio Cloud favorito.
Ver Post.Áreas de Conocimiento.
Para realizar el trabajo de Data Scientist, sigo la metodología CRISP-DM. Para ello utilizo R y/oPython en función de qué requiera la tarea.
Lenguajes de Programación.
Conocer más lenguajes te dota de más herramientas para poder abarcar los problemas a los que me enfrento.
R.
Python.
SQL.
Data Analytics.
Extracción de datos de diversas fuentes y la limpieza y el enriquecimietno de los mismos para mejorar el rendimiento de los algoritmos de Machine Learning.
APIs.
Web Scrapping.
JSON/GeoJSON.
Machine Learning.
Entrenar modelos supervisados y realizar modelos no supervisados para cumplir los objetivos fijados por negocio, que aporten valor para la organización.
Random Forest.
Redes Neuronales.
Series Temporales.
Data Visualization.
Transmitir los insights obtenidos mediante el proceso CRISP-DM para hacer los resultados entendibles y accionables para cualquier persona.
