5. Experimentos, Modelos, Predicciones

Objetivo

Entrenar modelos, comparar resultados, registrar el mejor candidato y ejecutar predicciones.

Crear experimento

1. Abrir Experiments.

2. Click en New Experiment.

3. Configurar: - Dataset/version. - Columna target. - Tipo de problema. - Estrategia de validacion y metrica objetivo.

4. Iniciar corrida y monitorear estado.

Revisar resultados y modelos

1. Abrir leaderboard al completar corrida.

2. Validar metrica primaria y ranking.

3. Abrir detalle del mejor modelo y revisar: - Metricas. - Explainability/importancia de features si aplica. - Metadata de artifact/version.

4. Registrar o fijar modelo segun flujo interno.

Ejecutar predicciones

1. Abrir Predictions.

2. Ejecutar prediccion individual desde formulario.

3. Ejecutar prediccion batch por archivo si esta disponible.

4. Validar campos de salida: - Valor/clase predicha. - Confianza/probabilidad si aplica. - Timestamp y referencia de corrida.

Checklist de validacion funcional

1. Experimento llega a estado terminal sin falla silenciosa.

2. Metricas de detalle coinciden con leaderboard.

3. Esquema de salida de prediccion es estable.

4. Batch conserva paridad de filas input/output.

5. Errores de prediccion entregan mensaje accionable.

Resultado esperado

1. Al menos un modelo listo para despliegue.

2. Predicciones consistentes y trazables.

Errores comunes y recuperacion

1. Falla temprana de experimento: - Revisar target y manejo de nulos.

2. Metrica inconsistente: - Confirmar mismo split/seed.

3. Input rechazado en prediccion: - Alinear nombres/tipos con schema del modelo.

Imagenes

Ejecucion de experimentos y monitoreo.

Registro de modelos con metricas y metadata.

Prediccion individual y batch desde UI.