NOVEDADES + GUÍA PRÁCTICA
NVIDIA Kumo Tabular: el nuevo modelo abierto de cimientos para predicción en tablas
NVIDIA ha lanzado Kumo Tabular, un modelo abierto de cimientos estructurados que promete revolucionar el aprendizaje automático empresarial al predecir etiquetas en filas nuevas en una sola pasada directa, eliminando el reentrenamiento y la sintonización de hiperparámetros.
Qué cambia
Tradicionalmente, el análisis de datos tabulares (como registros de clientes, transacciones o pedidos) ha dependido durante décadas de árboles de decisión potenciados por gradiente. Cada nueva pregunta en la industria exigía un ciclo repetitivo de recopilación de etiquetas, ingeniería de características, búsqueda de hiperparámetros y despliegue.
Con NVIDIA Kumo Tabular, disponible en la plataforma Hugging Face, se introduce un enfoque basado en aprendizaje en contexto similar al de los modelos de lenguaje grande. El modelo se presenta en tres tamaños (de 28M a 215M de parámetros), opera mediante una biblioteca de código abierto y ha sido entrenado íntegramente con datos artificiales generados mediante modelos causales estructurales.
Por qué importa
La principal ventaja de esta tecnología es que es capaz de procesar una tabla etiquetada y predecir los resultados de filas nuevas de forma directa en una única pasada de inferencia, sin requerir ajustes de pesos ni rediseño de características.
Según las evaluaciones compartidas, Kumo Tabular encabeza los marcadores en cuatro benchmarks clave (TabArena, BeyondArena, TALENT y ScoringBench), superando a alternativas previas en precisión y eficiencia con una ejecución significativamente más rápida en entornos de hardware con GPU.
Mini tutorial
Kumo Tabular está disponible de forma gratuita bajo los términos de la licencia OpenMDW-1.1 para uso comercial. Los pesos de los modelos se pueden descargar desde Hugging Face y el código fuente se encuentra en el repositorio oficial de NVIDIA.
- Instalar y configurar la biblioteca de código abierto 'structured-data-models' (sdm) proporcionada por NVIDIA.
- Cargar el conjunto de datos tabular utilizando pandas y convertirlo a un tensor con 'sdm.TableTensor.from_pandas' especificando el dispositivo CUDA.
- Definir la máscara de valores nulos para separar las filas de contexto (con etiquetas conocidas) de las filas de consulta.
- Inicializar el modelo 'sdm.models.KumoTabular' apuntando al dispositivo correspondiente.
- Ejecutar el modelo pasando los datos de contexto y consulta para generar las probabilidades o predicciones numéricas en una sola pasada.
Qué deberías obtener
Obtener predicciones de clasificación o regresión a partir de un DataFrame de pandas utilizando la biblioteca sdm.
Antes de empezar
El modelo trabaja exclusivamente con columnas numéricas y categóricas. La precisión puede disminuir si los datos superan los rangos de entrenamiento o si las filas de consulta provienen de una distribución distinta a la de contexto.