01/10, 10:50–11:25 (Europe/Madrid), Ada Lovelace (Paraninfo)
Idioma: Español
Veremos como con herramientas Open Source como MLFLow podemos gestionar el ciclo de vida de los modelos de Machine Learning que desarrollemos.
La puesta en marcha, mantenimiento y operativización de los modelos de machine learning es algo que debemos hacer para asegurarnos de que el algoritmo desarrollado por un lado sea lo más eficiente posible y por otra parte sea sencillo de desarrollar e integrar en un ciclo de desarrollo y despliegue continuo.
Herramientas como MLFlow, un software Open Source, nos permiten poder llevar a cabo estas tareas de una forma sencilla desde Python que durante la sesión veremos como funciona.
Intermediate
Temática –Data Science, Machine Learning and AI
Inés Huertas es Head de Data & Inteligencia Artificial en Kairós DS y forma parte WeTheHumans, un Think Tank que trabaja la ética dentro del mundo de la Inteligencia Artificial. Coordinadora de Rladies Madrid, forma parte del también del programa Open Data Datanauts de la NASA. Emprendedora, en los últimos años ha trabajado como responsable de Datos (CDO) para Startups de ámbito médico, asesora en innovación e instructora en cursos de tecnologías de datos para LinkedIn o Platzi.