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.
Probabilidades calibradas: cuando un 0,7 tiene que significar un 70%
Un clasificador puede ordenar bien y mentir con los números: decir 0,9 donde la frecuencia real es 0,6. Si alguien va a decidir con esa probabilidad, hay que calibrarla, comprobarlo con la curva de fiabilidad y el Brier score, y solo entonces elegir umbral.
Leer artículo
Lo que aprendí implementando un transformer desde cero
Atención multi-cabeza, máscara causal y un tokenizador BPE escritos a mano en PyTorch, sin torch.nn.Transformer. Tres lecciones que ningún curso me había dado, incluida una sorpresa en las ablaciones.
Leer artículo
Por qué el umbral de decisión importa más que el modelo
Cambiar el umbral de decisión de 0,5 al valor correcto para el coste de tu negocio puede mejorar el resultado operativo más que pasar de regresión logística a XGBoost. Por qué nadie lo explica así.
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