⚙️ Catálogo de recetas

Las 23 recetas del vault, ordenadas por el momento de la tarea en que las necesitas — no por nombre ni por tema. Bajo reloj nadie busca «PCA»: busca «no tengo etiquetas».

Cada ficha trae qué hace, cuándo usarla, la implementación en Python y, sobre todo, dónde se rompe. Y una garantía que no es común: cada implementación publicada se ejecuta contra una referencia obviamente correcta antes de que el sitio se actualice. Si una receta se rompe, el sitio no se publica.

Antes de empezar

Poner el entorno a fallar como el de la competencia. Una celda, al principio del notebook, y las restricciones dejan de ser una promesa.

RecetaQué haceNecesita
Modo competenciaActiva ayudas de práctica: rechaza comandos de instalación en IPython, solicita modo offline a HuggingFace y mide el tiempo de un bloque. No sustituye al grader oficial.—

Antes de modelar

Mirar y preparar los datos. Saltarse esto es de donde vienen casi todas las sorpresas del test oculto.

RecetaQué haceNecesita
Split estratificadoParte los datos en train y validación conservando la proporción de cada clase.numpy
Split por grupoParte los datos sin que un mismo grupo aparezca en train y en validación a la vez.numpy
Estandarizar sin fugaCentra y escala las features usando media y desviación calculadas solo con train.numpy

Para el primer envío

Lo que corres en la primera hora para asegurar que el pipeline funciona y para despegarte del baseline.

RecetaQué haceNecesita
Baseline trivialPredice la clase mayoritaria (o la mediana) sin mirar las features. Es el punto de partida contra el que se mide todo.numpy
Gradient boosting tabularClasificación sobre datos tabulares con HistGradientBoostingClassifier.numpy, sklearn
k-NN con escaladoClasificación por vecinos más cercanos, con el escalado dentro de un Pipeline.numpy, sklearn

Para saber si vas bien

Medir con la misma métrica que puntúa la tarea, y exprimirla.

RecetaQué haceNecesita
Métricas de clasificaciónAccuracy, precision, recall, F1 y la matriz de confusión, escritas a mano.numpy
Umbral óptimoEncuentra el corte de probabilidad que maximiza F1, en O(n log n) en vez de probando una grilla.numpy

Cuando faltan etiquetas

La mayoría de las tareas de la IOAI dan pocos datos etiquetados y muchos sin etiquetar.

RecetaQué haceNecesita
Self-trainingAprovecha los datos sin etiqueta: etiqueta los que el modelo predice con alta confianza y reentrena incluyéndolos.numpy, sklearn
K-meansAgrupa los datos en k clusters, con inicialización k-means++.numpy
PCAReduce la dimensión proyectando sobre las direcciones de mayor varianza, por SVD.numpy

Cuando hay que entrenar una red

El esqueleto de PyTorch y lo que lo hace caber en el presupuesto.

RecetaQué haceNecesita
Bucle de entrenamiento en PyTorchEl bucle mínimo de entrenamiento: forward, pérdida, zero_grad, backward, step.torch
MLPConstruye un perceptrón multicapa con activaciones y dropout opcional.torch
Early stoppingCorta el entrenamiento cuando la métrica de validación deja de mejorar durante paciencia épocas.—
Congelar capasCongela un modelo entero, o deja entrenables solo sus últimas capas.torch
Contar parámetrosCuenta los parámetros de un modelo exactamente como lo hace un grader, y verifica si caben en un presupuesto.torch

Cuando los datos son señales

Audio crudo, sensores, series de tiempo: cuando el orden de las muestras significa algo.

RecetaQué haceNecesita
Features de ventana deslizanteCorta una señal en ventanas solapadas y calcula estadísticos por ventana, sin copiar memoria.numpy
Espectro con FFTCalcula la magnitud del espectro de una señal real y su frecuencia dominante.numpy

Cuando hay que emparejar o buscar

Retrieval: encontrar, para cada consulta, su pareja en un catálogo.

RecetaQué haceNecesita
Búsqueda por similitud cosenoEncuentra, para cada consulta, los elementos más parecidos de un catálogo usando similitud coseno.numpy

Cuando hay que engañar a un modelo

Tareas adversariales: el objetivo no es acertar, es hacer fallar.

RecetaQué haceNecesita
FGSM y perturbaciones acotadasGenera perturbaciones adversariales —de un paso (FGSM) o iteradas (PGD)— acotadas a un presupuesto de norma.torch

Cuando hay un juez en vivo

Interactivos: se conversa con la organización por un protocolo, con presupuesto de turnos.

RecetaQué haceNecesita
Protocolo JSON con el juezEl esqueleto de una tarea interactiva: leer un mensaje JSON por línea, responder otro, y depurar sin romper nada.—
Búsqueda por ganancia de informaciónElige, entre las preguntas disponibles, la que más reduce la incertidumbre sobre el candidato oculto.—

Por tema, en cambio: Temas. Y para el ángulo de competencia de cada tema, su hub.

Las otras puertas del vault: Ruta de Aprendizaje · Referencia · IOAI