El ciclo de vida del desarrollo ML representa aproximadamente el 20% del examen AIF-C01. Temas clave: recopilación de datos, preprocesamiento, entrenamiento de modelos, sobreajuste, métricas de evaluación y MLOps.
---
El pipeline de ML — Analogía culinaria
| Etapa ML | Analogía culinaria | Objetivo | |----------|-------------------|---------| | 1. Recopilación de datos | Conseguir ingredientes | Datos suficientes y diversos | | 2. EDA | Verificar frescura | Entender distribuciones, valores faltantes, valores atípicos | | 3. Preprocesamiento | Limpiar ingredientes | Manejar nulos, normalizar, codificar | | 4. Ingeniería de características | Desarrollar receta | Transformar datos en forma compatible con modelos | | 5. Entrenamiento | Cocinar | El algoritmo aprende patrones | | 6. Ajuste de hiperparámetros | Sazonar | Optimizar configuración del modelo | | 7. Evaluación | Probar | Medir precisión, recall, F1, AUC | | 8. Despliegue | Servir | Proporcionar predicciones en producción | | 9. Monitoreo | Control de calidad | Detectar degradación del rendimiento |
!El ciclo de vida del desarrollo de ML, de la recolección de datos al despliegue
Sobreajuste y métricas de evaluación
Sobreajuste (Overfitting): El modelo memoriza los datos de entrenamiento pero falla con datos nuevos.
| Métrica | Cuándo usar | |---------|------------| | Precisión (Precision) | Cuando los falsos positivos son costosos (filtro de spam) | | Recall | Cuando los falsos negativos son costosos (diagnóstico de cáncer) | | F1 Score | Cuando ambas importan por igual |
---
MLOps con SageMaker
| Herramienta | Rol | |------------|-----| | SageMaker Model Monitor | Detectar deriva de datos y degradación del rendimiento | | SageMaker Pipelines | Automatizar el flujo de trabajo ML completo | | SageMaker Experiments | Rastrear y comparar experimentos |
---
Puntos clave para el examen
"Verificar distribuciones, valores faltantes, valores atípicos" — EDA "Modelo memoriza datos de entrenamiento, falla con datos nuevos" — Sobreajuste "De positivos predichos, cuántos son correctos" — Precisión (Precision) "De positivos reales, cuántos fueron detectados" — Recall "Detectar degradación del rendimiento después del despliegue" — SageMaker Model Monitor