Machine learning desde cero

Módulo 0 · El juego completo

¿Cómo es el camino completo, de la pregunta a la evaluación?

1. 0.1Todo el proceso en 15 minutos, de principio a finEl camino completo de un proyecto de machine learning con un solo conjunto de datos, de la pregunta a la evaluación. Sin referencia, el resultado no dice nada.15 min · Interactiva

Módulo 1 · Cómo aprende un modelo de ejemplos

¿De dónde saca el modelo su regla y con qué compararla?

1. 1.1¿Qué es el aprendizaje automático?El aprendizaje automático deja que un programa descubra su regla a partir de ejemplos en lugar de recibirla escrita. Se ve con datos reales de tumores.10 min · Interactiva
2. 1.2Datos, características, etiquetas y particionesUn conjunto de datos es una tabla de ejemplos, características y etiquetas. Por qué el conjunto de prueba debe quedar oculto y cuánto pesa su tamaño.10 min · Interactiva
3. 1.3La referencia: ¿con qué comparas tu modelo?Antes de elogiar un modelo, calcula el resultado sin aprender: la clase más común o la media. Con pocos enfermos, «siempre sano» acierta sin detectar a nadie.12 min · Interactiva
4. 1.4Vecinos más cercanos: el modelo más simplekNN no aprende ninguna regla: un caso nuevo recibe la etiqueta de la mayoría de sus k ejemplos más cercanos. k fija las fronteras; las unidades, la cercanía.12 min · Interactiva
5. 1.5Regresión lineal: ajustar una rectaLa regresión lineal traza la recta que menos se equivoca. Con datos de diabetes, el error cuadrático medio decide cuál es la mejor recta.10 min · Interactiva
6. 1.6Descenso de gradiente: aprender a pequeños pasosEl descenso de gradiente busca buenos parámetros bajando paso a paso por el error. La tasa de aprendizaje decide entre avanzar y estallar.10 min · Interactiva

Módulo 2 · Clasificación y evaluación

¿Cuándo es bueno un resultado, y para quién?

1. 2.1Clasificación: trazar una fronteraUn clasificador convierte medidas en una categoría. La regresión logística da una probabilidad y una frontera, mostradas con dos especies de pingüinos.10 min · Interactiva
2. 2.2Evaluar un clasificador: más allá de la exactitudLa exactitud oculta qué errores comete un modelo. La matriz de confusión, la precisión y el recall muestran el equilibrio que crea un umbral en tumores.10 min · Interactiva
3. 2.3Umbral, ROC y PR: todos los umbrales a la vezLas curvas ROC y PR muestran todos los umbrales a la vez. Con una clase rara, el ROC AUC casi no cambia y el AP cae: las falsas alarmas se comen la precisión.12 min · Interactiva
4. 2.4Calibración: ¿0,8 significa 80 %?Un modelo puede ordenar bien y dar mal los porcentajes. Naive Bayes declara un 98 % y acierta el 88 %. La temperatura lo arregla sin cambiar ninguna decisión.12 min · Interactiva
5. 2.5Clases desequilibradasSi una clase es rara, la exactitud esconde las pérdidas y el modelo aprende a decir «la clase común». Sensibilidad, exactitud equilibrada y pesos lo corrigen.12 min · Interactiva
6. 2.6Métrica y umbral según el coste de los erroresEl umbral se elige por el precio de los errores, no por hábito. Si un fallo cuesta 10 veces más que una falsa alarma, el umbral más barato está cerca de 0,09.12 min · Interactiva
7. AProyecto A: cribadoTu primer proyecto de portfolio: elige modelo y umbral para un cribado en el que un fallo cuesta 10 falsas alarmas, y compruébalo en un test oculto.Proyecto · 40 min

Módulo 3 · Generalización

¿Funcionará el modelo mañana, con datos nuevos?

1. 3.1Sobreajuste: cuando un modelo memorizaUn modelo flexible puede acertar en todo su entrenamiento y fallar con datos nuevos. Al subir el grado de un polinomio, los dos errores se separan.10 min · Interactiva
2. 3.2Validación y validación cruzadaElegir ajustes con el conjunto de prueba lo estropea. La validación cruzada evalúa con cada parte de los datos por turnos y muestra si la nota es estable.10 min · Interactiva
3. 3.3Curvas de aprendizaje: ¿más datos o un modelo mejor?Las curvas de aprendizaje muestran la nota en entrenamiento y validación al crecer los datos. Su forma dice si reunir más datos o pasar a un modelo más rico.12 min · Interactiva
4. 3.4Regularización: ridge y lassoPenalizar los pesos grandes calma al modelo. Lasso pone los pesos a cero uno a uno: con 3 de 10 variables el R² de prueba baja de 0,470 a 0,386.12 min · Interactiva
5. 3.5Ajustar hiperparámetros sin hacer trampaEl mejor de 9 ajustes del árbol saca un 93,7 % en validación cruzada y un 88,3 % con biopsias nuevas. Elegir al ganador infla su resultado.14 min · Interactiva
6. 3.6Parada tempranaUna red entrenada demasiado tiempo memoriza etiquetas erróneas. Con un 20 % de etiquetas al azar, 100 épocas bajan la exactitud de prueba de 86,1 % a 76,3 %.12 min · Interactiva

Módulo 4 · Datos en la práctica

¿Qué estropea los modelos antes incluso de empezar?

1. 4.1Exploración: mira antes de modelarCuatro conjuntos con la misma media, correlación 0,82 y recta no se parecen en nada. Dibuja los datos antes de fiarte de los números y de construir un modelo.12 min · Interactiva
2. 4.2Datos faltantesElimina las filas con huecos y quedan 333 de 344 pingüinos. Si a los más pesados les falta el IMC, la media en los huecos debilita la relación con la diabetes.12 min · Interactiva
3. 4.3Categorías y escaladokNN con vinos acierta 0,695 sin escalado y 0,963 tras estandarizar. Las islas escritas como 0, 1, 2 fingen un orden: one-hot sube el R² de 0,469 a 0,546.12 min · Interactiva
4. 4.4Ingeniería de característicasLa variedad 2 está en el centro del eje y ningún umbral la recorta. Una columna x² da 77,4% en vez de 60,4%; 200 columnas de ruido bajan kNN de 98,1% a 77,4%.12 min · Interactiva
5. 4.5Fuga de datosUna fuga es información del test o del futuro que llega al entrenamiento. Con ruido puro finge un 82 % en validación. Conoce 8 tipos y encuéntralos tú.14 min · Interactiva
6. 4.6Pipeline: de la tabla a la predicciónEl escalador es parte del modelo y aprende solo con el entrenamiento. Ajustado en la propia prueba da 44,1% en vez de 99,0% con pingüinos que llegan uno a uno.14 min · Interactiva
7. BProyecto B: una tabla limpiaSegundo proyecto de portfolio: con una tabla de pingüinos en bruto (huecos, categorías) monta un pipeline sin fugas y halla la fuga en tres pipelines ajenos.Proyecto · 45 min

Módulo 5 · Modelos que ganan con tablas

¿Qué modelo, cuándo y por qué?

1. 5.1Árboles de decisión: veinte preguntas con datosUn árbol de decisión clasifica con preguntas de sí o no que separan los datos lo más limpiamente posible. El ejemplo: quién sobrevivió al Titanic.10 min · Interactiva
2. 5.2Ensambles: por qué muchos árboles superan a unoUn ensamble combina muchos modelos imperfectos cuyos errores se compensan en parte. Así un random forest gana exactitud y estabilidad al añadir árboles.10 min · Interactiva
3. 5.3Gradient boosting: árboles que corrigen erroresCada árbol corrige los errores de los anteriores. Tras 200 árboles con paso 1 el entrenamiento baja a 2287 y la prueba sube a 5944, peor que una recta (4095).12 min · Interactiva
4. 5.4Naive Bayes: un supuesto falso, buenas decisionesNaive Bayes supone variables independientes. Con pétalos de iris (r = 0,80) acierta un 93,3%; en 171 tumores de validación declara un 98,3% y acierta un 88,3%.12 min · Interactiva
5. 5.5Máquinas de vectores de soporte y núcleosUna SVM busca la franja más ancha entre las clases. Si C sube de 0,01 a 100, la franja pasa de 3,9 a 0,15 cm y la prueba apenas se mueve.12 min · Interactiva
6. 5.6¿Qué modelo y cuándo?Cinco modelos, cinco conjuntos, 20 particiones. Ningún modelo está en cabeza en todas partes, y 0,3 puntos pueden ser un empate: 10 contra 7.12 min · Interactiva
7. CProyecto C: una minicompetición en el navegadorProyecto · Próximamente

Módulo 6 · Sin profesor, interpretación, el modelo en el mundo

¿Qué hace un modelo sin etiquetas, en qué se fija y qué pasa tras el despliegue?

1. ·k-medias: grupos sin etiquetasPróximamente
2. ·PCA: menos dimensiones, el mismo contenidoPróximamente
3. ·Detección de anomalíasPróximamente
4. ·¿En qué se fija el modelo? Importancia de las variablesPróximamente
5. ·Tras el despliegue: deriva y equidadPróximamente
6. DProyecto D: explica un modeloProyecto · Próximamente

Puente (opcional): Redes neuronales y modelos de lenguaje

Lo que sigue: un paso hacia las redes y los grandes modelos de lenguaje.

El curso completo: Redes neuronales por dentro (PL) · 12 lecciones

1. 7.1Redes neuronales: muchas unidades simples juntasUna red neuronal apila unidades simples que trazan una recta y la doblan. Con más unidades ocultas, las regiones de decisión se curvan alrededor de los iris.12 min · Interactiva
2. 7.2De redes neuronales a grandes modelos de lenguajeUn gran modelo de lenguaje aprende a adivinar el siguiente token. La lección parte de un modelo que cuenta palabras y muestra el efecto de la temperatura.12 min · Interactiva