La Primera Regla del Machine Learning (Aprendizaje Automático)

Antes de empezar con el aprendizaje automático, comienza con reglas simples

Según el experto en aprendizaje automático Santiago Valderrama (https://www.svpino.com/), una de las primeras reglas a seguir en proyectos de aprendizaje automático es no empezar directamente con modelos de aprendizaje automático, sino con reglas simples o heurísticas.

Esto puede sonar contra-intuitivo, pero tiene dos grandes ventajas: aprender más sobre el problema a resolver y tener una línea base con la que comparar soluciones de aprendizaje automático posteriores.

Un ejemplo ayuda a entender este enfoque: imagina que estás creando una tienda online y quieres mostrar a tus usuarios una lista de productos recomendados. En lugar de pensar directamente en soluciones de aprendizaje automático, comienza con una lista fija de recomendaciones. Luego puedes actualizarla a una lista ordenada por popularidad. Hay muchas formas de resolver este problema antes de entrenar un modelo.

Cuándo reemplazar las heurísticas por un modelo simple

Eventualmente, agregar más complejidad a tus reglas se vuelve difícil de mantener. En ese punto, entrenar un modelo simple de aprendizaje automático y reemplazar tus heurísticas puede ser más fácil que gestionar un código complejo de reglas.

Lo importante es que el modelo sea simple de usar, no necesariamente que use un algoritmo simple. Por ejemplo, un modelo ResNet-50 es una red neuronal convolucional compleja, pero puedes descargar una versión pre-entrenada y comenzar a usarla rápidamente.

Cuándo aumentar la complejidad

Habrá un punto donde tu solución simple no puede mejorar más. Ahí es cuando debes explorar soluciones más complejas: mejores modelos, combinaciones de modelos, reglas manuales, etc.

Llegar a este paso no debería ser un objetivo, sino una necesidad. Comienza tan simple como puedas y lucha por mantener esa simplicidad.