IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Cross-validation (intuición) Introducción La validación cruzada es una técnica fundamental para evaluar la capacidad de un modelo de machine learning de generalizar a nuevos datos. Es particularmente importante en el contexto de inteligenci…
Train / test: Validación de modelos Introducción En la evaluación de modelos predictivos, es fundamental separar los datos en conjuntos train (conjunto de entrenamiento) y test (conjunto de prueba). Esta práctica no solo asegura que nuestro…
Interpretación correcta Introducción La evaluación de modelos es una fase crítica en el desarrollo e implementación de sistemas basados en inteligencia artificial y aprendizaje automático. Sin embargo, los errores comunes a la hora de inter…
AUC: Una Curva Vital para la Evaluación de Modelos en IA Introducción Cuando se trata de evaluar modelos de machine learning, uno de los indicadores más importantes es el área bajo la curva (AUC) del receiver operating characteristic (ROC).…
ROC: Una herramienta esencial para la evaluación de modelos predictivos Introducción En el ámbito de la inteligencia artificial y la ciencia de datos, no hay un análisis más crucial que la evaluación de los modelos preditivos. Uno de los mé…
F1-score: Una métrica integral para la evaluación de modelos de IA Introducción En el campo de la inteligencia artificial, las métricas de evaluación son fundamentales para comprender cómo se comporta nuestro modelo frente a los datos. El F…
Precision y recall Introducción En el ámbito de la inteligencia artificial, especialmente dentro de los modelos de machine learning, precision y recall son métricas fundamentales para evaluar la capacidad de un modelo a la hora de clasifica…
Accuracy: Medida clave para evaluar modelos de IA Introducción La accuracy (exactitud) es una métrica fundamental y a menudo la primera que se considera al evaluar el rendimiento de un modelo de inteligencia artificial. Es especialmente rel…