Creación de aplicaciones basadas en el aprendizaje automático

Capítulo 2. Crea un plan

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

En el capítulo anterior, cubrimos cómo estimar si el ML es necesario, encontrar dónde podría utilizarse más adecuadamente y convertir un objetivo de producto en el encuadre de ML más apropiado. En este capítulo, cubriremos el uso de métricas para seguir el progreso del ML y del producto y comparar diferentes implementaciones del ML. Luego, identificaremos métodos para construir una línea de base y planificar iteraciones de modelado.

He tenido la desafortunada oportunidad de ver cómo muchos proyectos de ML estaban condenados al fracaso desde el principio debido a un desajuste entre las métricas del producto y las métricas del modelo. Hay más proyectos que fracasan por producir buenos modelos que no son útiles para un producto que por dificultades de modelado. Por eso he querido dedicar un capítulo a las métricas y la planificación.

Cubriremos consejos para aprovechar los recursos existentes y las limitaciones de tu problema para construir un plan procesable, que simplificará drásticamente cualquier proyecto de ML.

Empecemos por definir con más detalle las métricas de rendimiento.

Medir el éxito

Cuando se trata de ML, el primer modelo que construyamos debe ser el más sencillo que pueda responder a las necesidades de un producto, porque generar y analizar resultados es la forma más rápida de progresar en ML. En el capítulo anterior, tratamos ...