Guía práctica · Lectura de 4 minutos
Por qué separar entrenamiento y evaluación
Un método breve para trabajar con IA sin perder de vista las fuentes y las decisiones humanas.
Dos funciones distintas
El conjunto de entrenamiento permite ajustar parámetros. El de evaluación sirve para estimar cómo responde el modelo a casos que no vio. Si mezclás ambos, la métrica puede parecer mejor de lo que es.
Separar antes de transformar
La preparación de datos también aprende del conjunto. Calculá escalas, imputaciones o vocabularios con entrenamiento y aplicalos después a evaluación. De otro modo aparece una filtración difícil de detectar.
Elegir una métrica
La exactitud global puede ocultar fallas relevantes. Definí antes del experimento qué error importa y revisá el desempeño por grupos cuando el contexto lo requiera.
Contar el resultado completo
Informá tamaño de muestra, método de separación y variación observada. Una cifra aislada no describe la confiabilidad de un prototipo.
Para seguir practicando
Probá el ejercicio con un material propio que puedas compartir de manera segura. Si querés profundizar con acompañamiento, revisá los módulos y consultá qué curso se ajusta a tu experiencia.
Ver el programaVolver a artículos