Si ha estado en el espacio de la ciencia de datos durante algún tiempo, lo más probable es que haya escuchado este término de moda.
El ciclo de vida del aprendizaje automático.
Suena elegante, pero esto es a lo que realmente se reduce:
- El aprendizaje automático es un proceso activo y dinámico: no tiene un principio ni un final estrictos.
- Una vez que un modelo está entrenado e implementado, lo más probable es que sea necesario volver a entrenarlo a medida que pasa el tiempo, reiniciando así el ciclo.
- Sin embargo, hay pasos dentro del ciclo que deben seguirse en el orden correcto y ejecutarse con cuidado.
Cuando busca en Google el ciclo de vida del ML, cada fuente probablemente le proporcionará una cantidad ligeramente diferente de pasos y sus nombres.
Sin embargo, notará que, en su mayor parte, el ciclo contiene: definición de problemas, recopilación y preprocesamiento de datos, ingeniería de características, selección y capacitación de modelos, evaluación, implementación y monitoreo de modelos.