fase ml
Fase 2 · Machine Learning
ML tradicional: del dato al modelo evaluado y confiable.
0/4 temas · 0% completado
| # | Tema | Ejercicios | Estado | |
|---|---|---|---|---|
| 01 | ML Pipeline — Train / Validation / Test El flujo correcto de datos: cómo separar, transformar y evaluar sin contaminar. | 5 | pendiente | practicar |
| 02 | Supervised Learning Models — Logistic Regression, Random Forest, XGBoost Clasificación vs. regresión, los algoritmos clave y cómo evitar overfitting. | 5 | pendiente | practicar |
| 03 | Model Evaluation — Metrics, Confusion Matrix, Class Imbalance Más allá del accuracy: elegir la métrica correcta cambia qué modelo construyes. | 5 | pendiente | practicar |
| 04 | Feature Engineering — Encoding, Scaling, Missing Values, Feature Selection Los datos crudos rara vez son lo que el modelo necesita: transformarlos correctamente define el techo del desempeño. | 5 | pendiente | practicar |