Artículos / Guía temática

Guía temática

AutoML y optimización

Optimización de hiperparámetros, selección de características y algoritmos evolutivos con Python y scikit-learn.

Conecta investigación aplicada con la librería open source sklearn-genetic-opt para mejorar pipelines reales de ML.

Ver proyectos

Artículos relacionados

Titanic con scikit-learn: tutorial de Pipeline en Python

may de 2026 · Aprendizaje automático

Titanic con scikit-learn: tutorial de Pipeline en Python

Entrena un clasificador Titanic en Python con fetch_openml, preprocesamiento, GridSearchCV y test separado. Incluye categorías desconocidas.

Leer
Mutación y cruzamiento adaptativos con sklearn-genetic-opt

abr de 2026 · Aprendizaje automático

Mutación y cruzamiento adaptativos con sklearn-genetic-opt

Programa mutación y cruzamiento con los adaptadores de sklearn-genetic-opt, comprueba sus curvas y compara la búsqueda con una configuración fija.

Leer
Selecciona características con sklearn-genetic-opt

abr de 2026 · Aprendizaje automático

Selecciona características con sklearn-genetic-opt

Usa GAFeatureSelectionCV 0.14.0 con escalado dentro de cada fold, revisa las variables seleccionadas y evalúa pipelines sobre datos de prueba separados.

Leer
¿Todavía Usas Grid Search para Optimización de Hiperparámetros?

mar de 2026 · Aprendizaje automático

¿Todavía Usas Grid Search para Optimización de Hiperparámetros?

Compara grid search, random search y algoritmos evolutivos para optimización de hiperparámetros con sklearn-genetic-opt.

Leer
Ajusta Tu Modelo de Scikit-learn Usando Algoritmos Evolutivos

feb de 2026 · Aprendizaje automático

Ajusta Tu Modelo de Scikit-learn Usando Algoritmos Evolutivos

Ajuste de hiperparámetros con GASearchCV de sklearn-genetic-opt usando algoritmos evolutivos.

Leer

¿Vas a construir una plataforma de IA o de datos?

Cuéntame qué estás implementando y dónde encuentras el problema: recuperación, modelos, datos o integración con tu producto.

Ver todos los proyectos