Evaluación y datos
42
Cómo se mide si una IA funciona bien y con qué datos se entrena. Exactitud, precisión y exhaustividad, benchmarks, etiquetado, sesgo, aumento de datos: las palabras necesarias para leer una tabla de resultados.
Nivel
Aumento de datosData Augmentation
Transformar los datos que ya tienes para multiplicar su variedad
CalibraciónCalibrationHacer que la probabilidad declarada coincida con el acierto real
Calidad de los datosData QualityQué tan confiables son los datos que se usan para entrenar
CaracterísticaFeatureUn dato que la IA mira para decidir
Ciencia de datosData ScienceTodo el proceso de sacar respuestas útiles de los datos
Conjunto de datosDatasetEl conjunto de datos ordenado para enseñar a la IA
Conjunto de validaciónValidation SetDatos apartados solo para revisar, nunca para entrenar
Cuadro delimitadorBounding BoxEl recuadro que envuelve un objeto y su posición exacta
Curva de aprendizajeLearning CurveLa línea del puntaje según las vueltas o la cantidad de datos
Datos sintéticosSynthetic DataDatos creados porque hacían falta, no porque ocurrieron
Desequilibrio de clasesClass ImbalanceCuando un tipo de caso domina casi todos los datos
Detección de contenido de IAAI Content DetectionDistinguir si algo fue hecho por la IA
Error cuadrático medioMean Squared ErrorCastigo que resulta de elevar al cuadrado la distancia y promediarla
EtiquetaLabelRespuesta emparejada al dato al entrenar, casi siempre de una persona
EtiquetadoLabelingEl trabajo en que una persona le pone una respuesta a cada dato
Evaluación humanaHuman EvaluationLa evaluación que hace una persona mirando el resultado directamente
ExactitudAccuracyLa proporción de aciertos entre todas las decisiones tomadas
ExplicabilidadExplainabilityEl grado en que la IA puede mostrar por qué llegó a un juicio
Fidelidad al promptPrompt AdherenceLa vara que mide si el resultado siguió lo pedido
Fuga de datosData LeakageInformación indebida que se cuela al entrenar e infla el puntaje
Limpieza de datosData CleaningPreparar los datos reunidos hasta dejarlos listos para usar
LLM como juezLLM-as-a-JudgeUn modelo de lenguaje que puntúa qué tan buena es una respuesta
Matriz de confusiónConfusion MatrixTabla que cruza lo real y lo decidido en casillas de acierto y error
Métrica de evaluaciónEvaluation MetricEl criterio fijado de antemano para decidir qué cuenta como bueno
PerplejidadPerplexityEl número de opciones entre las que duda el modelo
Precisión y exhaustividadPrecision & RecallQué tan puros son los elegidos y cuánto de lo real se encontró
Prueba A/BA/B TestProbar dos versiones a la vez y comparar los resultados reales
Prueba de referenciaBenchmarkConjunto común de pruebas para medir a varios candidatos por igual
Puntuación de confianzaConfidence ScoreEl número de seguridad que el modelo se pone a su propia respuesta
Puntuación EloElo RatingEl número de nivel que se arma acumulando resultados de duelos
Puntuación F1F1 ScoreEl punto que junta la precisión y la exhaustividad en un número
RobustezRobustnessLa capacidad de seguir funcionando aunque las condiciones cambien
ROC y AUCROC & AUCEl rendimiento medido moviendo el umbral, resumido en curva y número
Sesgo de la IAAI BiasCuando el sesgo de los datos y del proceso inclina el juicio de la IA
Sesgo de muestreoSampling BiasUna inclinación de los datos que nace de a quién se eligió
Sesgo del conjunto de datosDataset BiasCuando los datos recopilados ya están inclinados hacia un lado
SobreajusteOverfittingMemorizar los ejercicios de práctica y fallar con los nuevos
SubajusteUnderfittingNi siquiera acierta bien con los datos de práctica
Tabla de clasificaciónLeaderboardLa tabla que ordena los puntajes de evaluación de mejor a peor
Validación cruzadaCross-ValidationDividir los datos en partes, turnarlas y promediar los resultados
Valor atípicoOutlierUn valor que queda muy alejado del resto
Verdad de referenciaGround TruthLa respuesta que se toma como criterio para entrenar y calificar