https://pyvideo.org/Sat, 24 Nov 2018 00:00:00 +0000https://pyvideo.org/pycon-ar-2018/machine-learning-del-notebook-a-produccion.html<h3>Description</h3><p>Ya le armaste el modelo que predice valores de propiedades a tu primo el de la inmobiliaria y, anda barbaro (en tu computadora), ahora, como hacemos para llevarle eso a miles de usuarios y llenarnos de plata?</p> <p>Esta no es una charla de Machine Learning. Durante esta charla voy a hablar sobre lo que pasa despues de que obtuviste los datos, hiciste feature engineering, diseñaste tus algoritmos, elegiste herramientas, ejecutaste 43 experimentos y llegaste a resultados que mejoraron tu baseline. Vamos a poner el eje en la ingenieria necesaria para llevar nuestras predicciones a los usuarios y no morir en el intento. El plan es charlar de los siguientes temas:</p> <ul class="simple"> <li>Como estrucurar el codigo de un predictor</li> <li>Como y por que hacerlo pip instalable (aunque lo vayas a tener en un repo privado)</li> <li>APIs que, por que y para que?</li> <li>Produccion no siempre es web, que hacer en esos casos</li> <li>El desafio de tener que predecir on demand</li> <li>Mas alla de precision y recall, las otras performances que importan</li> <li>Modelos entrenados, serializacion, y deserializacion</li> <li>Monitorear? Que, como, por que?</li> <li>Un ejemplo simple de una API REST con Flask para devolver predicciones de un modelo pre-entrenado</li> <li>Extra: Tips para mejorar tus tiempos de respuesta</li> </ul> German BourdinSat, 24 Nov 2018 00:00:00 +0000tag:pyvideo.org,2018-11-24:/pycon-ar-2018/machine-learning-del-notebook-a-produccion.htmlPyCon Ar 2018