Notas sobre machine learning
Apuntes técnicos escritos mientras aprendo: evaluación honesta, fugas de datos, despliegue, aplicaciones con LLMs y los errores que hay detrás de cada lección. Salen de los proyectos de esta web, con el código a un clic.
Tu eval bajó del 90 al 89%: ¿regresión real o ruido?
Un modelo nuevo puntúa 89,4% donde el anterior daba 90,0% sobre 1.000 ejemplos. Parece una regresión. En ese tamaño de muestra es ruido. Cómo distinguir una cosa de la otra antes de bloquear un despliegue.
Leer artículoCómo evaluar si un modelo de ML funciona de verdad
Un modelo que tiene un 95% de accuracy puede ser completamente inútil. Un modelo que parece peor en validación puede ser el que de verdad funcione en producción. Lo que separa la evaluación honesta de la que infla resultados.
Leer artículo¿Conectamos?
Hablemos: feedback, colaboración o una oportunidad.
Puedes escribirme por un proyecto, una duda técnica, para darme feedback o por unas prácticas o un primer puesto junior. Respondo siempre.
Escríbeme