Datos: el combustible de la IA

Un modelo es tan bueno como los datos con los que se entrena. La frase clásica lo resume: "garbage in, garbage out".

Tipos de datos

• Estructurados: tablas, bases de datos (edad, ingreso, fecha). Fáciles de procesar.
• No estructurados: texto, imágenes, audio, video. Requieren transformación (embeddings, features).

Conceptos esenciales

• Característica (feature): cada variable de entrada que usa el modelo (ej. temperatura, humedad).
• Etiqueta (label): la variable que queremos predecir (ej. "lloverá: sí/no").
• Conjuntos: entrenamiento (aprende), validación (ajusta hiperparámetros), prueba (mide rendimiento real).

Higiene de datos

• Eliminar duplicados y valores nulos.
• Corregir formatos inconsistentes (fechas, mayúsculas, unidades).
• Detectar outliers y desequilibrios de clase.
• Normalizar y escalar variables numéricas.