Kaggle es una plataforma en línea de ciencia de datos y aprendizaje automático, propiedad de Google desde 2017. Ofrece conjuntos de datos públicos, competiciones sobre problemas reales, notebooks en el navegador con recursos de cómputo y cursos. Para empresas y estudiantes resulta útil para probar métodos, comparar enfoques o descubrir talento. Antes de usar un conjunto de datos, revisa su licencia y su origen.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoEl aprendizaje automático (machine learning) es una rama de la inteligencia artificial en la que los ordenadores deducen patrones de los datos en vez de recibir cada regla programada. Según la tarea, los modelos aprenden de ejemplos etiquetados (supervisado), de datos sin etiquetar (no supervisado) o mediante recompensas (por refuerzo). Las aplicaciones van desde filtros de spam y previsiones de demanda hasta recomendaciones de productos. La calidad depende mucho de la cantidad y la calidad de los datos de entrenamiento.
Jupyter Notebook es una aplicación de código abierto basada en el navegador, del Proyecto Jupyter, que combina en un solo documento código ejecutable, resultados, gráficos y texto explicativo. Los notebooks se usan mucho en análisis de datos, aprendizaje automático, investigación y docencia, porque permiten documentar y compartir cada paso de forma trazable. El lenguaje más habitual es Python. Ejemplo: un analista carga datos de ventas, los limpia y muestra justo debajo el resultado en un gráfico.
En IA, el benchmarking es la comparación sistemática de modelos o sistemas mediante tareas y criterios definidos. Los benchmarks públicos miden, por ejemplo, conocimientos generales, razonamiento o capacidad de programación; pero para el uso práctico cuentan sobre todo los casos de prueba de tu propio trabajo diario. Se suelen comparar exactitud, exhaustividad, tiempo de respuesta y coste. Así se puede decidir si un modelo más pequeño y barato basta para una tarea.
Los datos de entrenamiento son los ejemplos con los que un modelo de IA aprende patrones: grandes colecciones de texto en los modelos de lenguaje, imágenes etiquetadas en los de visión. Su calidad, variedad y actualidad determinan en gran medida lo fiable y justo que será el modelo y lo actualizado que estará su conocimiento. Para tu empresa también importa si un proveedor usa los datos de clientes que introduces para seguir entrenando.
