Colab-ML-Pipeline-Agent

# 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](https://github.com/Ricardouchub/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](https://github.com/Ricardouchub/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