dc.creatorBender, Adrián
dc.creatorNicolet, Santiago
dc.date2020-10
dc.date2020
dc.date2021-03-15T14:52:37Z
dc.date.accessioned2023-07-15T00:48:31Z
dc.date.available2023-07-15T00:48:31Z
dc.identifierhttp://sedici.unlp.edu.ar/handle/10915/114906
dc.identifierhttp://49jaiio.sadio.org.ar/pdfs/asai/ASAI-04.pdf
dc.identifierissn:2451-7585
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/7455888
dc.descriptionAutoML actúa como puente entre los diferentes niveles de experiencia al momento de generar modelos predictivos y agiliza el proceso de Aprendizaje Automático. Se implementa a través de diversas técnicas, de las cuales existen pocas comparaciones objetivas, la gran mayoría en tareas de clasificación. Presentamos una referencia de las actuales herramientas AutoML de código abierto y un análisis comparativo de su eficacia utilizando conjuntos de datos públicos propicios para este fin. Probamos que los pipelines generados por Auto-sklearn, H2O AutoML y TPOT resultan eficaces para tareas de regresión, y logran mitigar la sobreadaptación que podrían tener sus modelos en búsqueda de la optimización.
dc.descriptionSociedad Argentina de Informática
dc.formatapplication/pdf
dc.format42-56
dc.languagees
dc.rightshttp://creativecommons.org/licenses/by-nc-sa/3.0/
dc.rightsCreative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
dc.subjectCiencias Informáticas
dc.subjectAprendizaje automático
dc.subjectMachine learning
dc.subjectAutoML
dc.subjectBench-marking
dc.subjectEvaluación comparativa
dc.titleEvaluación comparativa de herramientas AutoML de código abierto en tareas de regresión
dc.typeObjeto de conferencia
dc.typeObjeto de conferencia


Este ítem pertenece a la siguiente institución