24 · Entrenar con tareas IOAI
Nivel 4 — Nivel IOAI · Ruta de Aprendizaje
Una tarea oficial reúne piezas que antes estudiamos por separado. La dificultad puede estar en representar una señal, diseñar la validación o producir una respuesta dentro del presupuesto. Elegir la siguiente tarea es elegir qué pregunta quieres investigar, sin necesitar completar el catálogo en orden.
Una entrada al catálogo
IOAI reúne 27 tareas con sus fichas y fuentes. Las fichas permiten distinguir qué pide el problema y qué hace falta para ejecutarlo. Haber revisado un enunciado no significa haber reproducido su entorno o su grader, el programa que evalúa la solución.
Estas son algunas conexiones con la ruta:
| Pregunta que quieres explorar | Tarea | Punto de apoyo |
|---|---|---|
| ¿Cuándo ayudan las filas sin etiqueta? | Antique Painting Authentication | comparar un modelo supervisado con estructura y pseudo-etiquetas del módulo 08 |
| ¿Qué parte de una señal conserva su frecuencia? | Radar | señales, FFT y validación del módulo 19 |
| ¿Qué cambio entre frases detecta un encoder? | Ghost of the Machine | representaciones del módulo 12 y presupuesto del 15 |
| ¿Cómo decidir cuando las comparaciones son inciertas? | Potato | embeddings y estado del juego, módulos 12 y 22 |
No es una escala de dificultad ni una secuencia obligatoria. Una tarea de texto puede requerir más preparación que una tabular, aunque la idea que interesa estudiar sea pequeña. También se puede explorar primero una adaptación con datos locales y después volver al contrato completo.
Las estadísticas de IOAI 2025 y IOAI 2026 añaden contexto: muestran el rendimiento observado en una ronda y cohorte concretas. GAITE tiene su propia pista. Una mediana baja no identifica la causa ni mide por sí sola lo difícil que te resultará aprender de esa tarea. Los prerrequisitos y el material accesible suelen ser más útiles para elegir por dónde entrar.
Del material publicado a una ejecución
El README del concurso individual de 2026 distingue los artefactos originales del concurso de los notebooks educativos no oficiales alojados en el mismo repositorio. Estos últimos cubren las tareas 1–5 y facilitan practicar fuera de la plataforma; sus fichas enlazan el notebook pertinente.
Un baseline ofrece una primera solución de referencia. Un grader permite medir una salida según la métrica. Una adaptación educativa del grader puede servir para experimentar sin acreditar una reproducción exacta del entorno original.
IOAI Field necesita una preparación distinta: sus artefactos dependen del
entorno y los módulos originales. Requiere entregar solution.ipynb y
custom_model.py y producir model.pt durante la ejecución; no ofrece el mismo
recorrido educativo de Colab que las tareas anteriores. La ficha separa ese
contrato de lo que se ha comprobado ejecutando aquí.
Abre la ficha de la tarea y sigue sus enlaces al enunciado, baseline y datos. También puedes descargar el repositorio oficial de 2026 desde Code → Download ZIP. Los datasets se obtienen siguiendo el README de cada tarea; descargar el repositorio no implica haberlos descargado todos.
Descargar no instala los runtimes ni comprueba un score. Los materiales también contienen soluciones: puedes abrir primero el enunciado y baseline y dejar el análisis para después.
Una primera ejecución permite reconocer problemas de preparación: falta un modelo local, una versión de librería es incompatible o la GPU no tiene memoria suficiente. Resolverlos es trabajo útil, pero no mide la misma habilidad que diseñar una solución con el entorno ya preparado. Cuando esos recursos no están disponibles, Laboratorios guiados ofrece ejemplos locales para estudiar los mecanismos y observar resultados antes de pasar a los activos oficiales.
Un experimento que permita entender el cambio
Supón que en Antique un modelo mejora después de añadir pseudo-etiquetas. ¿Qué produjo la mejora? Si también cambiaste el split, el escalado y los hiperparámetros, los números no permiten atribuirla a las filas sin etiqueta. Conservar una comparación común deja ver qué aporta cada idea.
El recorrido puede ser pequeño: ejecutar el baseline en un split reservado, probar una modificación y mirar tanto la métrica como los ejemplos que cambian. Guardar la variante y unas líneas sobre su resultado facilita retomar el experimento sin reconstruirlo de memoria.
A veces un promedio casi idéntico esconde un resultado interesante. Un modelo puede mejorar en secuencias cortas y empeorar en largas; otro, beneficiar una clase a costa de otra. Las herramientas de los módulos 01, 04 y 05 ayudan a convertir esa diferencia en una pregunta nueva.
Para comparar baseline y solución hacen falta el mismo split y evaluador. Con un juez público de Potato, el resultado es local: el juez privado puede comparar palabras de otra manera. En Ghost, 28.6 y 93.41 son referencias de A, no de cualquier conjunto de evaluación. Protocolo de simulacro explica la diferencia entre score bruto, estimación y reconstrucción histórica.
Aprender de una solución sin reducirla a una receta
Upsolving significa volver a un problema después del intento para resolver lo que quedó abierto. Una solución oficial o un análisis comunitario atribuido puede mostrar una representación que no habías considerado. Su valor está en entender qué propiedad del problema aprovecha.
Por ejemplo, resumir una señal con su espectro conserva información de frecuencias y pierde otra sobre su ubicación temporal. Reimplementar esa idea permite explorar cuándo funciona: dos señales con frecuencias parecidas pueden necesitar respuestas distintas si importa en qué momento ocurrió un evento. El límite de la idea enseña tanto como su acierto.
Los repositorios oficiales y Recursos reúnen soluciones y análisis. Leerlos forma parte del aprendizaje; lo que cambia es cómo interpretar un intento posterior sobre el mismo problema. Reproducir una solución muestra que puedes llevar la idea a código. Adaptarla a datos distintos permite examinar qué comprendiste de sus supuestos.
Volver a una tarea o cambiar de problema
Consolidar es volver sobre algo conocido para afianzarlo: hacer reproducible un notebook, explicar una curva extraña o comparar una alternativa. Transferir es usar una idea en una situación nueva. Ambas experiencias son útiles y responden preguntas distintas; resolver más rápido una tarea cuyo truco ya conoces no demuestra por sí solo que identificarías ese truco en otra.
Un problema oficial puede ocupar varias sesiones. Otra vez puede bastar un experimento breve sobre sus datos. La duración puede seguir la pregunta y los recursos disponibles. Para estudiar transferencia, basta preservar la novedad del problema que se elige: consultar su solución después del intento permite observar la diferencia.
El Syllabus IOAI ayuda a ubicar contenidos y su alcance oficial. Posponer un tema no lo excluye del temario, y probar una técnica avanzada no exige convertirla en el siguiente paso de todo estudiante. Al preparar otra edición, sus documentos actualizados determinan el temario, las reglas y los recursos permitidos. IOAI 2027 reúne ese seguimiento; la referencia técnica de esta ruta es 2026.
Elige el próximo experimento
Vuelve a una tarea que te haya sorprendido. ¿Qué cambió tu explicación del problema: los datos, la métrica o la restricción de tiempo? Reimplementa una idea de su solución y prueba dónde deja de funcionar.
Luego busca una tarea distinta donde esa idea parezca pertinente. ¿Qué parte puedes reutilizar y qué condición dejó de cumplirse? Esa pregunta ofrece una ruta de regreso a Temas, al Catálogo de recetas y a las tareas de IOAI.