Sistemas de aprendizaje automático en el mundo real

En esta lección, se resumen los lineamientos aprendidos de estos ejemplos del mundo real.

Lineamientos del mundo real

Algunos lineamientos eficaces para el aprendizaje automático

  • mantener el primer modelo simple

Algunos lineamientos eficaces para el aprendizaje automático

  • mantener el primer modelo simple
  • concentrarse en garantizar que la canalización de los datos sea correcta

Algunos lineamientos eficaces para el aprendizaje automático

  • mantener el primer modelo simple
  • concentrarse en garantizar que la canalización de los datos sea correcta
  • usar una métrica simple y observable para el entrenamiento y la evaluación

Algunos lineamientos eficaces para el aprendizaje automático

  • mantener el primer modelo simple
  • concentrarse en garantizar que la canalización de los datos sea correcta
  • usar una métrica simple y observable para el entrenamiento y la evaluación
  • controlar y supervisar tus atributos de entrada

Algunos lineamientos eficaces para el aprendizaje automático

  • mantener el primer modelo simple
  • concentrarse en garantizar que la canalización de los datos sea correcta
  • usar una métrica simple y observable para el entrenamiento y la evaluación
  • controlar y supervisar tus atributos de entrada
  • tratar la configuración del modelo como si fuera código: revisarla y registrarla

Algunos lineamientos eficaces para el aprendizaje automático

  • mantener el primer modelo simple
  • concentrarse en garantizar que la canalización de los datos sea correcta
  • usar una métrica simple y observable para el entrenamiento y la evaluación
  • controlar y supervisar tus atributos de entrada
  • tratar la configuración del modelo como si fuera código: revisarla y registrarla
  • tomar nota de los resultados de todos los experimentos, especialmente aquellos que no resultan eficaces

Resumen de la clase por video

Aquí se incluye un breve resumen de los lineamientos eficaces para el aprendizaje automático:

  • mantener tu primer modelo simple
  • concentrarse en garantizar que la canalización de los datos sea correcta
  • usar una métrica simple y observable para el entrenamiento y la evaluación
  • controlar y supervisar tus atributos de entrada
  • tratar la configuración del modelo como si fuera código: revisarla y registrarla
  • tomar nota de los resultados de todos los experimentos, especialmente aquellos que no resultan eficaces

Otros recursos

Rules of Machine Learning contiene orientación adicional.

Enviar comentarios sobre…

Curso intensivo de aprendizaje automático