Análisis profundos de la evaluación del modelo

Vista previa pública de la lección

Domine las métricas, metodologías y compensaciones de la evaluación de modelos, el tema que separa a los ingenieros de ML de los profesionales de ML.

Objetivos de aprendizaje

Al final de esta lección, comprenderás:

• ✓🎯 Métricas de clasificación: más allá de la precisión
• ✓📈 AUC-ROC y AUC-PR: el panorama completo
• ✓📐 Métricas de regresión
• ✓🔄 Estrategias de validación cruzada
• ✓🌐 Evaluación fuera de línea versus en línea

Esquema de la lección

1. 🎯 Métricas de clasificación: más allá de la precisión
2. Precisión, recuperación y F1
3. Cuándo usar cuál
4. 📈 AUC-ROC y AUC-PR: el panorama completo
5. Curva ROC
6. Curva de recuperación de precisión
7. 📐 Métricas de regresión
8. Error cuadrático medio (MSE)
9. Error absoluto medio (MAE)
10. R² (Coeficiente de Determinación)
11. 🔄 Estrategias de validación cruzada
12. Validación cruzada de K-Fold
13. Plegado en K estratificado
14. División de series temporales
15. 🌐 Evaluación fuera de línea versus en línea
16. Pruebas A/B para modelos ML
17. ⚖️ Manejo de conjuntos de datos desequilibrados
18. 🔑 Conclusiones clave