Este webinar fue la segunda parte de la serie “Data Science con Kaggle” y estaba orientado a un punto clave para cualquier persona que empieza a competir o experimentar con modelos: la optimización y el tuneado de parámetros.
Enfoque de la sesión
La sesión se planteaba como continuidad del trabajo inicial con Kaggle, pasando de una participación básica a una fase más analítica:
- revisar cómo mejorar un baseline;
- entender el impacto de hiperparámetros;
- comparar resultados y evitar ajustes arbitrarios;
- aprender a iterar con criterio sobre un modelo.
Por qué era relevante
Kaggle no solo sirve como competición, sino como entorno de aprendizaje acelerado para entender validación, métricas, tuning y hábitos de experimentación. Por eso este tipo de webinar sigue siendo útil para perfiles que se están formando en machine learning aplicado.