34 XX gues’, y luego entrenar y evaluar el modelo varias veces, utilizando cada vez un pliegue diferente como conjunto de prueba. Es importante recordar que los resultados de la evaluación deben guiar la elección de las técnicas de aprendizaje automático y la selección de los parámetros del modelo. Un modelo puede tener un rendimiento excepcional en el conjunto de datos de entrenamiento, pero si se comporta mal en los datos de prueba, es probable que no sea útil en aplicaciones del mundo real. Además, es crucial entender que no hay un solo ‘mejor’ modelo o algoritmo de aprendizaje automático que sea óptimo para todos los problemas. La elección depende de las características específicas de cada problema y de los datos disponibles. Tras evaluar los resultados, en caso de tener buena calidad, se pasa el modelo a funcionamiento. Sin embargo, si Ilustración 9. Logo de ChatGPT una de las inteligencias artificiales de propósito general más populares actualmente. Fuente: freelogopng.com. Ilustración 10 - Diseño de un plano de proceso productivo generado por IA. Fuente: Midjourney.
RkJQdWJsaXNoZXIy Njg1MjYx