Compara prototipos por supuestos de datos, objetivos, privacidad y evidencia de evaluación.
Usa distintos contextos para comparar prototipos basados en interacciones y contenido y delimitar lo que demuestra una prueba. Define señales de feedback y objetivos de ranking, revisa atributos y sesgo de exposición y planifica consentimiento, diversidad, inicio en frío y control de usuarios. Las tareas usan ejemplos ficticios o metadatos permitidos; una demo no predice gustos universales ni prueba impacto de producto.
Define objetivos, usuarios, elementos, contexto y feedback para distintos usos. Compara enfoques de interacción y contenido e identifica escasez, exposición, privacidad y límites de metadatos. Diseña evaluaciones y controles para referencias, cobertura, diversidad y evidencias más allá de una demo.
Se recomienda conocer tablas, métricas de producto y vocabulario básico de ML. No hace falta programar. Usa solo datos permitidos, evita historiales identificables y no infieras rasgos sensibles ni preferencias universales.
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.