Diseño de sistemas de aprendizaje automático

Capítulo 6. Desarrollo del modelo y evaluación offline

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

En el Capítulo 4, explicamos cómo crear datos de entrenamiento para tu modelo, y en el Capítulo 5, cómo diseñar características a partir de esos datos de entrenamiento. Con el conjunto inicial de características, pasaremos a la parte del algoritmo ML de los sistemas ML. Para mí, éste siempre ha sido el paso más divertido, ya que me permite jugar con distintos algoritmos y técnicas, incluso con los más modernos. También es el primer paso en el que puedo ver todo el trabajo duro que he dedicado a la ingeniería de datos y características transformado en un sistema cuyos resultados (predicciones) puedo utilizar para evaluar el éxito de mi esfuerzo.

Para construir un modelo de ML, primero tenemos que seleccionar el modelo de ML que vamos a construir. Existen muchos algoritmos de ML, y cada vez se desarrollan más. Este capítulo comienza con seis consejos para seleccionar los mejores algoritmos para tu tarea.

En la sección siguiente se tratan distintos aspectos del desarrollo de modelos, como la depuración, el seguimiento y versionado de experimentos, el entrenamiento distribuido y el AutoML.

El desarrollo de un modelo es un proceso iterativo. Después de cada iteración, querrás comparar el rendimiento de tu modelo con su rendimiento en iteraciones anteriores y evaluar hasta qué punto esta iteración es adecuada para ...