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.