=============== Getting Started =============== System Requirements -------------------- * **Chip**: 4 core mínimo * **Processor**: 2.5GHz o superior * **RAM**: 8 GB * **Disk**: 5 GB libres para instalación .. warning:: ARM chips no son soportados Installation ------------ Windows ^^^^^^^ Descarga la última versión desde el `repositorio Github `_ Mac ^^^ .. note:: Pronto disponible Standalone ---------- Free Trial ^^^^^^^^^^ Ingresa al `enlace de descarga <#>`_, y solicita ``iniciar tu prueba gratis`` de **30 días**. Podrás acceder a todos los módulos con mínimas restricciones que pronto anunciaremos. Activate ^^^^^^^^ Accede a la `sección de activación <#>`_ y sigue estos pasos: - Crea una cuenta - Valida la cuenta desde tu e-mail - Elige el plan que más se acomode a tu necesidad - Realiza el proceso de pago - Espera un momento hasta recibir un token y copialo al portapapeles - Abre vtarget y pega el texto en el popup que solicita la llave de activación - Haz click en aceptar y espera un momento hasta realizar la activación Upgrade ^^^^^^^ Cuando exista una nueva versión recibirás una alerta al abrir vtarget, solo debes aceptar la actualización y se instalará automáticamente. Quickstart ---------- Esta guía es una descripción general y explica las características importantes; los detalles se encuentran en :doc:`modules`. Home ^^^^ Es la pantalla de bienvenida luego de iniciar sesión, la primera vez que ingreses tendrá estos elementos. .. image:: ../_static/ui/1_home.png | #. **Navbar**: Navegación entre el ``Home`` y los 4 módulos ``DataPrep``, ``DataViz``, ``AutoML`` y ``AutoTS`` #. **L-Sidebar**: Panel de navegación de directorio #. **Content**: Área principal, en el ``Home`` contiene accesos a módulos y shortcuts #. **Footer**: Entrega información de rendimiento del procesador y estado de conección con los `workers <#>`_ DataPrep ^^^^^^^^ .. image:: ../_static/ui/2_dataprep.png | #. **Node group**: Menu para seleccionar el grupo de nodos requerido #. **Palette**: Zona donde se muestran todos los nodos de un grupo, puedes arrastrarlos hacia el canvas para conectar con otros nodos #. **Canvas**: Área dónde sueltas un nodo, y conectas con otros para crear un flujo. Te puedes mover libremente y no tienes límites de espacio, puedes dar la forma que tu quieras #. **R-sidebar setting**: Panel para realizar la configuración de un nodo. Solo se despliega cuando un nodo tiene un foco (mantiene el estándar de ``Pandas``) #. **Execution controls**: Grupo de botónes para ejecución de flujos y otro grupo para búsqueda de nodos y escribir comentarios en el canvas #. **Result zone**: Muestra información asociada al resultado de cada nodo, cambia dependiendo de la opción seleccionada en la esquina superior izquierda #. **Result controls**: Controla la salida que se quiera ver del nodo seleccionado: puertos de entrada y salida, consola de log, depuración, código python auto-generado y 3 tipos de visualización de tabla (`compacta <#>`_, `detallada <#>`_ y `por columna <#>`_) DataViz ^^^^^^^ .. image:: ../_static/ui/3_dataviz.png | #. **Plot group**: Menu que agrupa gráficos según el tipo de variable que soportan #. **Plots**: Lista de gráficos disponibles pertenecientes al grupo seleccionado #. **Data-sources panel**: Lista de las fuentes de datos cargadas y sus variabes que pueden ser arrastradas a la configuración del gráfico #. **Setting panel**: Panel de configuración para cada gráfico (cambios toman efecto en tiempo real) #. **Plot view**: Visualización del gráfico con la configuración dada #. **Data source view**: Tabla asociada a la fuente de datos seleccionada AutoML ^^^^^^ .. image:: ../_static/ui/4_automl.png | #. **Step Menu**: Contiene los pasos para configurar el modelado de problemas `binarios <#>`_, `multiclase <#>`_ y `regresores <#>`_ #. **Content zone**: Muestra las configuraciones y opciones asociada al menú seleccionado .. note:: La imagen de referencia muestra la configuración de un modelo binario, sin embargo para multiclase y regresores el proceso es el mismo: - **DATA SOURCE**: Selecciona la fuente ya sea de un nodo ``voutput`` (del módulo ``dataprep``) o desde un archivo csv externo - **SETUP**: Elige la ``variable objetivo`` y se infiere automáticamente el ``tipo de problema`` (puedes cambiarlo en caso de error) - **FEATURES** Configura el particionado, elige la ``métrica objetivo`` y selecciona qué variables usarás en el entrenamiento (también se genera automáticamente un análisis descriptivo de cada variable) - **MODEL**: Realiza automáticamente el proceso de entrenamiento iterando distintos ``modelos``, ``pipelines`` e ``hiper-parámetros``. Permite examinar cada modelo y visualizar métricas de rendimiento. En la medida que se entrenan se ordenan por la mejor métrica objetivo. - **PREDICTION**: Genera predicciones con el ``mejor modelo recomendado`` AutoTS ^^^^^^ .. image:: ../_static/ui/5_autots.png | #. **Step Menu**: Contiene los pasos para configurar el modelado `series de tiempo <#>`_ #. **Content zone**: Muestra las configuraciones y opciones asociada al menú seleccionado .. note:: La imagen de referencia muestra el resumen luego de seleccionar la columna asociada al ``tiempo``, la ``frecuencia`` de la serie y el ``target``. En el caso de ``forecast`` el menú sigue la siguiente lógica: - **DATA SOURCE**: Selecciona la fuente ya sea de un nodo ``voutput`` (del módulo ``dataprep``) o desde un archivo csv externo - **SUMMARY**: Genera una resumen de la/las series, se crea una visualización de cada serie y automáticamente se categoriza según so ``coeficiente de variabilidad`` en LOW, MEDIUM y HIGH. En la parte inferior de la pantalla se genera un resumen general de la serie seleccionada - **SETUP**: Configura el particionado, elige la ``métrica objetivo`` y selecciona qué variables usarás en el entrenamiento (también se genera automáticamente un resumen estadístico de las series con la configuración dada) - **MODEL**: Realiza automáticamente el proceso de entrenamiento iterando distintos ``modelos``, ``pipelines`` e ``hiper-parámetros``. Permite examinar cada modelo y visualizar métricas de rendimiento. En la medida que se entrenan se ordenan por la mejor - **PREDICTION**: Valida o genera predicciones para una serie determinada con el ``mejor modelo recomendado`` (o cualquier otro)