Machine Learning
Preguntas sobre conceptos fundamentales de Machine Learning: definiciones, tipos de aprendizaje, evaluación de datos y métricas.
¿Qué es la Inteligencia Artificial?
Es el área de las ciencias de la computación que se centra en implementar procesos que permitan a las máquinas razonar.
¿Qué es el Machine Learning?
Es el área de la inteligencia artificial que permite a las máquinas "aprender" a razonar a partir de datos.
¿Qué tipos de Machine Learning conoces?
En cuanto al tipo de aprendizaje: Supervisado y No Supervisado. Dentro de Supervisado: Clasificación y Regresión.
¿Cómo sabes si unos datos son buenos para entrenar un modelo?
Primero, mirando los datos manualmente y entendiendo su significado. Segundo, haciendo un análisis exploratorio que, por medio de estadística y visualización, permita ver su comportamiento en términos de dato.
¿Cómo haces un análisis exploratorio?
Primero viendo el comportamiento de cada variable (análisis univariable) para ver si se comportan correctamente. Segundo viendo el comportamiento entre variables (análisis multivariable) para ver la dependencia entre ellas. Ambos con estadísticas y visualizaciones.
¿Cómo evalúas si un modelo es bueno o no?
Con las métricas. Para modelos de regresión se suelen usar métricas como Root Mean Square Error (RMSE). Para clasificación, Accuracy, Precision, Recall y F1-score.
¿Cuál es la diferencia entre Precision y Recall?
- Para problemas donde fallar un positivo es muy grave (decir a un enfermo de cáncer que no tiene cáncer) es más importante el Precision.
- Para problemas donde fallar un negativo es más grave (perder a un cliente que sí se iba a ir) es mejor el Recall.
¿Qué librerías conoces?
Scikit-Learn para modelos de ML y Pandas para manipulación de datos.