{"id":26806,"date":"2019-12-04T21:20:00","date_gmt":"2019-12-04T21:20:00","guid":{"rendered":"https:\/\/building.nu.com\/introducing-fklearn-nubanks-machine-learning-library-part-ii\/"},"modified":"2024-03-18T14:48:10","modified_gmt":"2024-03-18T14:48:10","slug":"presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii","status":"publish","type":"post","link":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/","title":{"rendered":"Presentando fklearn: Biblioteca de aprendizaje autom\u00e1tico de Nubank (Parte II)"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\"><em>Lea la Parte I de esta serie <\/em><a href=\"https:\/\/building.nu.com\/introducing-fklearn-nubanks-machine-learning-library-part-i-2\/\"><em>aqu\u00ed<\/em><\/a><em>.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En la primera parte de esta serie, hablamos sobre los principios de fklearn y c\u00f3mo puede resultar \u00fatil crear canales de aprendizaje autom\u00e1tico utilizando funciones puras. Sin embargo, los beneficios m\u00e1s significativos de usar fklearn se obtienen al realizar an\u00e1lisis y validaci\u00f3n de modelos, como veremos a continuaci\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Validaci\u00f3n Extensible<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para los modelos que entran en producci\u00f3n, la validaci\u00f3n a menudo requiere mucho m\u00e1s que simplemente descubrir el valor de alguna m\u00e9trica en un conjunto de reservas o comparar una m\u00e9trica con un punto de referencia. A menudo queremos responder preguntas como:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>\u00bfC\u00f3mo esperamos que funcione el modelo con el tiempo, digamos seis meses despu\u00e9s de haber sido entrenado?<\/li>\n\n\n\n<li>\u00bfM\u00e1s datos ayudar\u00edan a mejorar el rendimiento?<\/li>\n\n\n\n<li>\u00bfCon qu\u00e9 frecuencia debo volver a entrenar?<\/li>\n\n\n\n<li>\u00bfEs mejor utilizar m\u00e1s datos o s\u00f3lo datos recientes?<\/li>\n\n\n\n<li>\u00bfFunciona igualmente bien en todos los segmentos de usuarios?<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Todas estas pueden parecer preguntas muy diferentes, pero pueden responderse mediante el mismo algoritmo de validaci\u00f3n de modelo generalizado.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Algoritmo de validaci\u00f3n generalizado de fklearn: Primero los datos se dividen en fragmentos, se aplica una funci\u00f3n de entrenamiento a alg\u00fan subconjunto de datos, se hacen predicciones en otro subconjunto y luego se aplica una funci\u00f3n de evaluaci\u00f3n a las predicciones.&nbsp;<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En fklearn, este algoritmo se implementa mediante la funci\u00f3n de <em>validaci\u00f3n<\/em>:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La<strong> <\/strong><strong><em>funci\u00f3n de<\/em><\/strong><strong> validaci\u00f3n<\/strong> en fklearn (dentro de fklearn.validation.validator) implementa el algoritmo de validaci\u00f3n generalizado que se describe aqu\u00ed.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>\u00a0<\/strong><strong><em>train_fn<\/em><\/strong> es una funci\u00f3n de aprendizaje, exactamente como lo definimos en la \u00faltima publicaci\u00f3n del blog.<\/li>\n\n\n\n<li><strong><em>split_fn<\/em><\/strong> controla c\u00f3mo se dividir\u00e1n los datos en conjuntos de entrenamiento y prueba. Reciben Marcos de Datos y devuelven listas de \u00edndices de capacitaci\u00f3n y pruebas.<\/li>\n\n\n\n<li><strong><em>eval_fn<\/em><\/strong> define qu\u00e9 m\u00e9tricas se calcular\u00e1n en los conjuntos de prueba. M\u00e1s adelante hablaremos m\u00e1s sobre las funciones de evaluaci\u00f3n.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">El validador devuelve un conjunto de registros<strong> <\/strong>que contienen los resultados de todas las evaluaciones realizadas en los conjuntos de prueba. Luego se puede realizar el an\u00e1lisis extrayendo los datos de estos registros (fklearn proporciona funciones auxiliares para hacerlo).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Simplemente <strong>intercambiando<\/strong> las funciones de divisi\u00f3n y evaluaci\u00f3n, podemos simular y evaluar muchos <strong>escenarios diferentes de la vida real<\/strong>, lo que nos ayuda a responder esas preguntas.&nbsp;<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Veamos un ejemplo, utilizando el alumno que definimos en la Parte 1, en el que intentamos responder estas dos preguntas:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Tenemos dos segmentos de usuarios diferentes, A y B. \u00bfQu\u00e9 tan diferente ser\u00e1 el rendimiento del modelo entre los dos segmentos?<\/li>\n\n\n\n<li>Esperamos que este modelo siga funcionando durante unos meses despu\u00e9s de su entrenamiento. \u00bfCu\u00e1nto esperamos que se degrade el rendimiento del modelo 3, 6 o 9 meses despu\u00e9s del entrenamiento?<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Un ejemplo completo de formaci\u00f3n y evaluaci\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Repasemos este ejemplo con m\u00e1s detalle.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/bit.ly\/jobs-at-nu\">Consulte nuestras oportunidades laborales&nbsp;<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Funciones de Divisi\u00f3n<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En el ejemplo anterior, despu\u00e9s de definir al alumno, definimos dos funciones de divisi\u00f3n:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Una <strong>funci\u00f3n de divisi\u00f3n de validaci\u00f3n cruzada K-fold.<\/strong>. Divide los datos aleatoriamente en k conjuntos separados y se utiliza para realizar una validaci\u00f3n cruzada est\u00e1ndar. La validaci\u00f3n cruzada es \u00fatil para obtener una estimaci\u00f3n b\u00e1sica del rendimiento de la generalizaci\u00f3n del modelo, al mismo tiempo que se entrena.<\/li>\n\n\n\n<li>Una <strong>funci\u00f3n de divisi\u00f3n de validaci\u00f3n de estabilidad<\/strong>. Funciona dividiendo los datos seg\u00fan el par\u00e1metro <em>time_column<\/em>. El modelo se entrenar\u00e1 utilizando datos hasta el <em>training_time_limit<\/em> y<em> <\/em>se validar\u00e1 en la divisi\u00f3n de datos mensualmente despu\u00e9s de esa fecha. La evaluaci\u00f3n de la estabilidad es \u00fatil para estimar c\u00f3mo se generalizar\u00e1 el modelo en el tiempo, m\u00e1s all\u00e1 del per\u00edodo de entrenamiento.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Fklearn viene preempaquetado con muchas funciones de divisi\u00f3n para casos de uso comunes (puede encontrar una lista completa y descripciones de cu\u00e1ndo son \u00fatiles <a href=\"https:\/\/fklearn.readthedocs.io\/en\/latest\/api.html#splitters-fklearn-validation-splitters\">aqu\u00ed<\/a>). La mayor\u00eda de los divisores est\u00e1n dise\u00f1ados para simular situaciones de la vida real, donde normalmente los modelos se entrenan con datos de un per\u00edodo de tiempo pero se aplican en el futuro. La validaci\u00f3n cruzada simple suele ser insuficiente para modelos reales.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Evaluaci\u00f3n Personalizable<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Esto surge a menudo en la evaluaci\u00f3n de modelos: las m\u00e9tricas globales \u00fanicas a menudo no cuentan la historia completa. Es posible que deseemos aislar los efectos del ordenamiento de los modelos y la calibraci\u00f3n del modelo o analizar el desempe\u00f1o en subgrupos espec\u00edficos de nuestra poblaci\u00f3n. Tambi\u00e9n podr\u00edamos estar interesados en la evoluci\u00f3n de una m\u00e9trica particular, en lugar de simplemente una estimaci\u00f3n puntual.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para ello, necesitamos evaluar simult\u00e1neamente m\u00faltiples m\u00e9tricas, divididas en dimensiones (por ejemplo, tiempo, segmento de clientes). Fklearn permite esto al permitirnos definir \u00ab\u00e1rboles de evaluaci\u00f3n\u00bb, combinando funciones de evaluaci\u00f3n individuales. Volviendo a nuestro ejemplo, as\u00ed es como definimos la funci\u00f3n de evaluaci\u00f3n:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ejemplo de definici\u00f3n de un \u00e1rbol de evaluaci\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Este fragmento de c\u00f3digo conduce al \u00e1rbol de evaluaci\u00f3n que se muestra a continuaci\u00f3n:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Representaci\u00f3n de \u00e1rbol de la funci\u00f3n de evaluaci\u00f3n definida anteriormente.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Una vez que se aplica <em>final_eval_fn<\/em> a los datos, se ejecuta todo el \u00e1rbol de evaluadores y todos los resultados se devuelven en el registro. Esto significa que tanto r2 como la correlaci\u00f3n de Spearman se calcular\u00e1n primero para todos y luego por separado para cada segmento de usuarios. Estos \u00ab\u00e1rboles de evaluaci\u00f3n\u00bb pueden ser muy poderosos y permiten a los cient\u00edficos de datos automatizar an\u00e1lisis recurrentes.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Analizando Resultados<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Como habr\u00e1s notado, la mayor\u00eda de las operaciones en fklearn devuelven <strong>registros<\/strong>. Estos registros concentran informaci\u00f3n valiosa, ya sean par\u00e1metros del modelo, metadatos del conjunto de datos o resultados de validaci\u00f3n. Fklearn puede ser muy detallado con el registro, ya que nos hemos arrepentido de no haber guardado informaci\u00f3n con frecuencia.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Fklearn tambi\u00e9n proporciona funciones \u00fatiles para extraer datos de estos registros (pueden llegar a ser bastante grandes) y es f\u00e1cil crear gr\u00e1ficos de evaluaci\u00f3n utilizando solo los registros. Esto nos permite construir un c\u00f3digo de evaluaci\u00f3n gen\u00e9rico que recibe registros de ejecuciones de entrenamiento y genera paneles con el rendimiento del modelo, acelerando el proceso de iteraci\u00f3n. A continuaci\u00f3n se muestra un ejemplo de extracci\u00f3n de datos de los registros:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ejemplo de uso de extractores de fklearn para obtener resultados de registros.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Gr\u00e1fico de la curva de estabilidad de la muestra, despu\u00e9s de extraer los datos de los registros. Muestra el rendimiento del modelo (correlaci\u00f3n de Spearman entre predicci\u00f3n y objetivo) a lo largo del tiempo, dividido por segmento. Tambi\u00e9n ser\u00eda posible trazar R2 a partir de los mismos datos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Felicidad Funcional<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Como nota final sobre la validaci\u00f3n, observe que el <em>alumno <\/em>que definimos se utilizar\u00e1 una y otra vez dentro de estas llamadas de validador, entrenando varios modelos. Tenemos la tranquilidad de saber que es una funci\u00f3n pura, por lo que nada de lo que sucede dentro de la validaci\u00f3n puede cambiar la definici\u00f3n de nuestro modelo, y que, al validar nuestro modelo, todos los pasos de nuestra canalizaci\u00f3n se aplican de manera consistente a todos los pliegues de datos. <strong>En \u00faltima instancia, esto significa que nuestro modelo final, que pasa a producci\u00f3n, coincide con precisi\u00f3n con los modelos que pasan por todos estos escenarios de validaci\u00f3n.<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Lo mismo ocurre con el <strong>ajuste <\/strong>o la <strong>selecci\u00f3n de funciones<\/strong>. Para ambos, fklearn proporciona funciones que son similares en esp\u00edritu al validador: usted define c\u00f3mo dividir los datos, c\u00f3mo evaluar el rendimiento del modelo y reutilizar su funci\u00f3n de aprendizaje.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>\u00bfQu\u00e9 sigue?<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Esta publicaci\u00f3n concluye nuestra breve introducci\u00f3n a fklearn. Para obtener m\u00e1s ejemplos de las capacidades de validaci\u00f3n de modelos de fklearn y otras herramientas poderosas, consulte la documentaci\u00f3n <a href=\"https:\/\/fklearn.readthedocs.io\/en\/latest\/examples\/regression.html#Evaluar\">aqu\u00ed<\/a>. Tambi\u00e9n esperamos que esto le entusiasme al <a href=\"https:\/\/github.com\/nubank\/fklearn\">probar fklearn usted mismo<\/a>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/bit.ly\/jobs-at-nu\">Consulte nuestras oportunidades laborales&nbsp;<\/a><\/p>\n\n\n","protected":false},"excerpt":{"rendered":"<p>Beneficios de usar fklearn para realizar an\u00e1lisis y validaci\u00f3n de modelos<\/p>\n","protected":false},"author":178110060,"featured_media":21627,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_post_was_ever_published":false},"categories":[2509,2508],"tags":[2510,3079,2543],"class_list":["post-26806","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-analytics-es","category-data-science-machine-learning-es","tag-ciencia-de-los-datos","tag-fklearn-es","tag-machine-learning-es"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.5 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Fklearn: Nubank\u2019s machine learning library (Part II) - Building Nubank<\/title>\n<meta name=\"description\" content=\"Beneficios de usar fklearn para realizar an\u00e1lisis y validaci\u00f3n de modelos\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Fklearn: Nubank\u2019s machine learning library (Part II) - Building Nubank\" \/>\n<meta property=\"og:description\" content=\"Beneficios de usar fklearn para realizar an\u00e1lisis y validaci\u00f3n de modelos\" \/>\n<meta property=\"og:url\" content=\"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/\" \/>\n<meta property=\"og:site_name\" content=\"Building Nubank\" \/>\n<meta property=\"article:published_time\" content=\"2019-12-04T21:20:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-03-18T14:48:10+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/i0.wp.com\/building.nu.com\/wp-content\/uploads\/2020\/04\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1\" \/>\n\t<meta property=\"og:image:width\" content=\"1440\" \/>\n\t<meta property=\"og:image:height\" content=\"600\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Lucas Estevam - Director of Data Science\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Lucas Estevam - Director of Data Science\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"14 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/\"},\"author\":{\"name\":\"Lucas Estevam - Director of Data Science\",\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/#\\\/schema\\\/person\\\/56d8f32ed78416e0568e09af1be3f6de\"},\"headline\":\"Presentando fklearn: Biblioteca de aprendizaje autom\u00e1tico de Nubank (Parte II)\",\"datePublished\":\"2019-12-04T21:20:00+00:00\",\"dateModified\":\"2024-03-18T14:48:10+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/\"},\"wordCount\":1407,\"commentCount\":0,\"image\":{\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/building.nu.com\\\/wp-content\\\/uploads\\\/2020\\\/04\\\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1\",\"keywords\":[\"ciencia de los datos\",\"fklearn\",\"machine learning\"],\"articleSection\":[\"Data &amp; Analytics\",\"Data Science &amp; Machine Learning\"],\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/\",\"url\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/\",\"name\":\"Fklearn: Nubank\u2019s machine learning library (Part II) - Building Nubank\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/building.nu.com\\\/wp-content\\\/uploads\\\/2020\\\/04\\\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1\",\"datePublished\":\"2019-12-04T21:20:00+00:00\",\"dateModified\":\"2024-03-18T14:48:10+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/#\\\/schema\\\/person\\\/56d8f32ed78416e0568e09af1be3f6de\"},\"description\":\"Beneficios de usar fklearn para realizar an\u00e1lisis y validaci\u00f3n de modelos\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/#primaryimage\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/building.nu.com\\\/wp-content\\\/uploads\\\/2020\\\/04\\\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/building.nu.com\\\/wp-content\\\/uploads\\\/2020\\\/04\\\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1\",\"width\":1440,\"height\":600},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/building.nu.com\\\/es\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Presentando fklearn: Biblioteca de aprendizaje autom\u00e1tico de Nubank (Parte II)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/#website\",\"url\":\"https:\\\/\\\/building.nu.com\\\/es\\\/\",\"name\":\"Building Nubank\",\"description\":\"We make the extraordinary happen\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/building.nu.com\\\/es\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/building.nu.com\\\/es\\\/#\\\/schema\\\/person\\\/56d8f32ed78416e0568e09af1be3f6de\",\"name\":\"Lucas Estevam - Director of Data Science\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/51820345b99d37bf5757c8974c4306c1f6415116c9d053613f7abc8afb30f77a?s=96&d=identicon&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/51820345b99d37bf5757c8974c4306c1f6415116c9d053613f7abc8afb30f77a?s=96&d=identicon&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/51820345b99d37bf5757c8974c4306c1f6415116c9d053613f7abc8afb30f77a?s=96&d=identicon&r=g\",\"caption\":\"Lucas Estevam - Director of Data Science\"},\"description\":\"Lucas is the Director of Data Science at Nubank, where he's worked for the past four years. He currently leads multi-functional teams of Data Scientists, Analysts, and Engineers, focusing mainly on improving Nubank\u2019s credit business by using data in innovative ways. He studied Computer Engineering and Operations Research.\",\"url\":\"https:\\\/\\\/building.nu.com\\\/es\\\/author\\\/estevam\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Fklearn: Nubank\u2019s machine learning library (Part II) - Building Nubank","description":"Beneficios de usar fklearn para realizar an\u00e1lisis y validaci\u00f3n de modelos","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/","og_locale":"es_ES","og_type":"article","og_title":"Fklearn: Nubank\u2019s machine learning library (Part II) - Building Nubank","og_description":"Beneficios de usar fklearn para realizar an\u00e1lisis y validaci\u00f3n de modelos","og_url":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/","og_site_name":"Building Nubank","article_published_time":"2019-12-04T21:20:00+00:00","article_modified_time":"2024-03-18T14:48:10+00:00","og_image":[{"width":1440,"height":600,"url":"https:\/\/i0.wp.com\/building.nu.com\/wp-content\/uploads\/2020\/04\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1","type":"image\/jpeg"}],"author":"Lucas Estevam - Director of Data Science","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Lucas Estevam - Director of Data Science","Tiempo de lectura":"14 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/#article","isPartOf":{"@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/"},"author":{"name":"Lucas Estevam - Director of Data Science","@id":"https:\/\/building.nu.com\/es\/#\/schema\/person\/56d8f32ed78416e0568e09af1be3f6de"},"headline":"Presentando fklearn: Biblioteca de aprendizaje autom\u00e1tico de Nubank (Parte II)","datePublished":"2019-12-04T21:20:00+00:00","dateModified":"2024-03-18T14:48:10+00:00","mainEntityOfPage":{"@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/"},"wordCount":1407,"commentCount":0,"image":{"@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/building.nu.com\/wp-content\/uploads\/2020\/04\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1","keywords":["ciencia de los datos","fklearn","machine learning"],"articleSection":["Data &amp; Analytics","Data Science &amp; Machine Learning"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/","url":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/","name":"Fklearn: Nubank\u2019s machine learning library (Part II) - Building Nubank","isPartOf":{"@id":"https:\/\/building.nu.com\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/#primaryimage"},"image":{"@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/building.nu.com\/wp-content\/uploads\/2020\/04\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1","datePublished":"2019-12-04T21:20:00+00:00","dateModified":"2024-03-18T14:48:10+00:00","author":{"@id":"https:\/\/building.nu.com\/es\/#\/schema\/person\/56d8f32ed78416e0568e09af1be3f6de"},"description":"Beneficios de usar fklearn para realizar an\u00e1lisis y validaci\u00f3n de modelos","breadcrumb":{"@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/#primaryimage","url":"https:\/\/i0.wp.com\/building.nu.com\/wp-content\/uploads\/2020\/04\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1","contentUrl":"https:\/\/i0.wp.com\/building.nu.com\/wp-content\/uploads\/2020\/04\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1","width":1440,"height":600},{"@type":"BreadcrumbList","@id":"https:\/\/building.nu.com\/es\/presentando-fklearn-biblioteca-de-aprendizaje-automatico-de-nubank-parte-ii\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/building.nu.com\/es\/"},{"@type":"ListItem","position":2,"name":"Presentando fklearn: Biblioteca de aprendizaje autom\u00e1tico de Nubank (Parte II)"}]},{"@type":"WebSite","@id":"https:\/\/building.nu.com\/es\/#website","url":"https:\/\/building.nu.com\/es\/","name":"Building Nubank","description":"We make the extraordinary happen","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/building.nu.com\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/building.nu.com\/es\/#\/schema\/person\/56d8f32ed78416e0568e09af1be3f6de","name":"Lucas Estevam - Director of Data Science","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/secure.gravatar.com\/avatar\/51820345b99d37bf5757c8974c4306c1f6415116c9d053613f7abc8afb30f77a?s=96&d=identicon&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/51820345b99d37bf5757c8974c4306c1f6415116c9d053613f7abc8afb30f77a?s=96&d=identicon&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/51820345b99d37bf5757c8974c4306c1f6415116c9d053613f7abc8afb30f77a?s=96&d=identicon&r=g","caption":"Lucas Estevam - Director of Data Science"},"description":"Lucas is the Director of Data Science at Nubank, where he's worked for the past four years. He currently leads multi-functional teams of Data Scientists, Analysts, and Engineers, focusing mainly on improving Nubank\u2019s credit business by using data in innovative ways. He studied Computer Engineering and Operations Research.","url":"https:\/\/building.nu.com\/es\/author\/estevam\/"}]}},"jetpack_shortlink":"https:\/\/wp.me\/pbKBB5-6Ym","jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/i0.wp.com\/building.nu.com\/wp-content\/uploads\/2020\/04\/fklearn-nubank-machine-learning-library-Header.jpg?fit=1440%2C600&ssl=1","_links":{"self":[{"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/posts\/26806","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/users\/178110060"}],"replies":[{"embeddable":true,"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/comments?post=26806"}],"version-history":[{"count":2,"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/posts\/26806\/revisions"}],"predecessor-version":[{"id":28653,"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/posts\/26806\/revisions\/28653"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/media\/21627"}],"wp:attachment":[{"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/media?parent=26806"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/categories?post=26806"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/building.nu.com\/es\/wp-json\/wp\/v2\/tags?post=26806"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}