Diseña un proceso basado en evidencias para detectar cambios, investigar causas y responder de forma controlada.
Relaciona señales estadísticas de deriva con el diagnóstico de modelos en producción y su mejora responsable. Distingue cambios en la distribución de entrada de cambios en la relación predictiva, combina evidencias de calidad de datos y resultados y no conviertas una alerta en una orden automática de reentrenamiento. Los ejercicios ficticios abordan referencias, evaluación temporal, subgrupos, reversión y responsabilidad.
Diferencia covariate shift, concept drift, defectos de datos y variación ordinaria. Diseña métricas con periodos de referencia, retrasos de etiquetas, controles de subgrupos y límites explícitos. Propón cambios controlados del modelo con evaluación temporal, aprobación y criterios de reversión.
Se recomienda conocer la evaluación supervisada, estadística básica y flujos de datos de producción. Programar es opcional; se usan casos ficticios. Evita datos personales y no automatices cambios de impacto sin revisión responsable.
Personas con conocimientos básicos que quieren desarrollar habilidades prácticas e independientes
Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica
Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible
La lección 1 es gratis
4 lecciones · Intermedio · Curso completo.
Este curso utiliza material con licencia CC BY atribuido a su proveedor de contenido o a quien lo publicó. La reproducción de las lecciones solo está disponible tras iniciar sesión y superar las comprobaciones de publicación y licencia.