Son los datos tan importantes de verdad o es una moda pasajera. Como de importantes son los datos para crear un pipeline de ML o para utilizar series temporales. 

Charla I - Un pipeline de datos para gobernarlos a todos: cómo orquestar tu flujo de trabajo de ML con facilidad con Ángel Flores Sánchez. 

En esta charla, se hablará sobre cómo un pipeline de datos puede simplificar y optimizar el flujo de trabajo en el análisis de datos y el desarrollo de modelos de Machine Learning. Se abordarán los siguientes temas:

¿Qué es un pipeline de datos y por qué es importante en el análisis de datos y el desarrollo de modelos de machine learning?

• Herramientas y tecnologías disponibles para la creación de pipelines de datos
• Diseño y desarrollo de un pipeline de datos end-to-end para aplicaciones de machine learning
• Orquestación de tareas en un pipeline de datos: cómo asegurar que cada paso se ejecute de manera correcta y eficiente
• Guardado de modelos de machine learning y sus métricas en un pipeline de datos para su posterior uso y comparación
• Visualización de los resultados y métricas del pipeline de datos para su fácil interpretación y toma de decisiones

Además, se abordarán casos prácticos y ejemplos de cómo un pipeline de datos ha mejorado el proceso de análisis de datos y desarrollo de modelos de machine learning en diferentes industrias y aplicaciones empresariales. La charla también incluirá consejos y mejores prácticas para la implementación de un pipeline de datos efectivo y escalable.

Charla II - Dando Forma al forecasting con skforecast con Joaquín Amat Rodrigo y Javier Escobar Ortiz.

¿Alguna vez has deseado que hacer previsiones de series temporales en Python fuera tan sencillo como usar modelos scikit-learn (sklearn), y en cambio te has sentido frustrado con APIs complicadas y documentaciones obsoletas? Skforecast es lo que necesitas. Con su interfaz fácil de usar, Skforecast simplifica la previsión de series temporales ayudándote a sacar el máximo partido de los datos.

Skforecast es una herramienta que proporciona una interfaz sencilla para entrenar y evaluar modelos de Machine Learning aplicados a problemas de forecasting. Con skforecast, los usuarios pueden entrenar distintos tipos de modelos, realizar validaciones de estos, búsquedas de hiper-parámetros y previsión probabilística, todo ello siguiendo una API similar a la de la popular librería sklearn.