Agente en Colab que, dado un dataset en CSV, planifica y ejecuta un pipeline de Machine Learning de inicio a fin: análisis inicial, preprocesamiento, entrenamiento con Scikit-Learn y reporte automático con evalcards.

Colab: ML Pipeline Agent (LangChain + DeepSeek)

Agente en Colab que, dado un dataset en CSV, planifica y ejecuta un pipeline de Machine Learning de inicio a fin: análisis inicial, preprocesamiento, entrenamiento con Scikit-Learn y reporte automático con evalcards.

<a href="https://colab.research.google.com/github/Ricardouchub/Colab-ML-Pipeline-Agent/blob/main/Colab%20ML%20Pipeline%20Agent%20Notebook.ipynb" target="_parent"><img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Abrir en Google Colab"/></a>

Características

• Sniffing automático: detecta tipos de columnas, nulos, columnas tipo ID y candidatos a target.
• Selección interactiva de target y limpieza avanzada de columnas irrelevantes.
• Planificación con LLM (LangChain + DeepSeek): split, preprocesamiento, modelos y validación.
• Ejecución del plan con Scikit-Learn: Pipeline + ColumnTransformer + GridSearchCV.
• Reporte listo para portafolio con Evalcards (Markdown).
• Funciona para clasificación o regresión; maneja alta cardinalidad con Frequency Encoding.

Stack

• LLM Planning: LangChain + DeepSeek (modelo deepseek-chat)
• ML: Scikit-Learn (Pipeline, ColumnTransformer, GridSearchCV)
• Reports: evalcards (Markdown)
• Data: Pandas / NumPy
• Env: Google Colab

Workflow

1. Instalación de dependencias.
2. Configuración de la API de DeepSeek y prueba rápida del LLM.
3. Carga del CSV y vista preliminar.
4. Sniffing automático: tipos, nulos, columnas ID-like, candidatos a target y tipo de problema sugerido.
5. Selección de target y limpieza avanzada (ID-like, cardinalidad extrema, columnas sin información).
6. Planificación con LLM: se obtien