Optimización bayesiana de hiperparámetros en logística
Visión general
De qué trata este proyecto.
Ajusta 8 hiperparámetros de un solver VRP con optimización bayesiana y obtén tu certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Optimizar hiperparámetros de un solver de ruteo con optimización bayesiana y demostrar reducción de coste significativa vs. grid/random search en mismo presupuesto.
Earning criteria — what you'll demonstrate
- Aplicar optimización bayesiana con GPs como surrogate model
- Entender Expected Improvement y otras funciones de adquisición
- Diseñar experimentos justos con presupuesto computacional equivalente
- Validar configuraciones sobre datos representativos, no cherry-picked
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Probabilistic Machine Learning
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosCientífico/a Aplicado/a de IA
Aplicar optimización bayesiana a un solver real con métricas de negocio claras y comunicación a operaciones es exactamente el día a día del applied AI scientist en logística e industria.
Este proyecto afina
- bayesian-optimization
- gaussian-processes
- experiment-design
Ingeniero/a de Machine Learning
Diseñar experimentos reproducibles con presupuesto computacional controlado y validación honesta es competencia básica del MLE.
Este proyecto afina
- hyperparameter-tuning
- python
- model-evaluation
Científico/a de Datos
Convertir un proceso operativo opaco en un experimento medible con recomendación accionable es el día a día del data scientist en operaciones.
Este proyecto afina
- experiment-design
- python
- bayesian-optimization