Evaluaciones de sistemas de IA

Qué aprenderás

• Una evaluación compara el sistema con criterios definidos y ejemplos representativos
• Construir y comprobar una solución usando datos ficticios.
• Resolver y aprobar la hoja de ejercicios antes de continuar.

Conceptos del tema

Una evaluación compara el sistema con criterios definidos y ejemplos representativos.

Incluye casos normales, ambiguos y adversos.

Una media global puede ocultar regresiones por subgrupo; conserva resultados por caso y revisa las explicaciones de los fallos.

Cómo interpretar este tema

Separa el objetivo de los datos de entrada y del criterio de éxito. Trabaja primero con ejemplos ficticios que puedas comprobar. En código, identifica entradas, operaciones y salidas; en un encargo a una IA, distingue el contenido generado de las acciones realmente ejecutadas.

Construye una solución pequeña y revisable. Comprueba casos normales, fronteras y errores; conserva las fuentes de las afirmaciones y los permisos de cada herramienta. Los ejemplos de Python de este curso se copian a tu propio entorno: la página no ejecuta código ni realiza llamadas a servicios de IA.

Detalles para comprender la regla

Desglosar casos revela degradaciones que un promedio puede disimular.

El criterio debe reflejar el objetivo y evitar selección interesada.

Ejemplo resuelto

Una versión resuelve 18 de 20 casos de prueba.

1. Calcula el porcentaje: 90 %.
2. Inspecciona los dos fallos.
3. Compara dificultad y cobertura antes de afirmar una mejora general.

Cómo practicar

1. Define el resultado y los datos que necesita.
2. Revisa el ejemplo y anticipa su salida antes de probarlo.
3. Comprueba un caso normal, una frontera y un error.
4. Explica la solución y verifica los datos o fuentes que utiliza.

Tu cuenta gratuita guarda respuestas, notas y progreso en las dos plataformas.

Recursos para profundizar

• Programación y algoritmos · MIT OCW ↗

  Programa y materiales abiertos de referencia. Los contenidos y ejercicios de Aprende son propios.