Aprendizaje automático fiable

Capítulo 3. Introducción básica a los modelos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

La mayor parte de este libro trata de la gestión de los sistemas de ML y de las canalizaciones de ML a nivel de producción. Esto implica un trabajo bastante diferente del que suelen realizar muchos científicos de datos e investigadores de ML, que intentan pasarse el día desarrollando nuevos modelos y métodos predictivos que puedan exprimir otro punto porcentual de precisión. En cambio, en este libro nos centramos en garantizar que un sistema que incluya un modelo de ML muestre un comportamiento coherente, robusto y fiable a nivel de sistema. En cierto modo, este comportamiento a nivel de sistema es independiente del tipo de modelo real, de lo bueno que sea el modelo o de otras consideraciones exclusivamente relacionadas con el modelo. Sin embargo, en determinadas situaciones clave, no es independiente de estas consideraciones. Nuestro objetivo en este capítulo es darte los conocimientos suficientes para que sepas en qué situación te encuentras cuando empiecen a saltar las alarmas o a dispararse los buscapersonas de tu sistema de producción.

Diremos desde el principio que nuestro objetivo aquí no es enseñarte todo sobre cómo construir modelos de ML, qué modelos pueden ser buenos para qué problemas, o cómo convertirte en un científico de datos. Eso sería un libro (o más) por sí solo, y muchos textos y cursos en línea excelentes ...