Playbook de Adopción de Machine Learning
Metodología de extremo a extremo para añadir algoritmos de machine learning a una base de código existente que no es de ML. Cubre el encuadre del problema y su viabilidad, la preparación de los datos, el desacoplamiento arquitectónico y la integración de un modelo base. Para ingenieros de software y agentes que necesitan incorporar ML (recomendación, clasificación, forecasting) sin sobreingeniería.
Incluida en el Pase · para Claude Code, Cursor, Codex CLI
// qué_hace
Guía la incorporación de modelos de ML a proyectos de software existentes sin componente de ML.
// cómo_lo_hace
Estructura el trabajo en fases (encuadre y viabilidad con chequeo de heurísticas y métrica de negocio, preparación y contrato de datos con prevención de fugas, desacoplamiento arquitectónico e integración de un modelo base), eligiendo solo las fases que encajan con el caso.
// ejemplo_de_uso
Úsala cuando quieres añadir un modelo de ML a un software que no lo tenía y no sabes por dónde empezar. Ej.: el encuadre descarta el ML porque una regla heurística ya resuelve el 90% del caso, y te ahorras meses de trabajo innecesario.
// plataformas
// opiniones_de_la_comunidad
Opiniones
Cargando opiniones…