Visión general
De qué trata este proyecto.
Clasifica reseñas hoteleras con TF-IDF, regresión logística y fastText, supera el 80% de macro-F1 y obtén tu certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Clasificar reseñas en español en cuatro temas operacionales con macro-F1 ≥ 0.80 y un análisis de errores útil.
Earning criteria — what you'll demonstrate
- Construir un pipeline de clasificación de texto extremo a extremo
- Comparar métricas macro y micro en problemas multiclase
- Realizar análisis de errores cualitativo para mejorar el modelo
- Comunicar limitaciones del modelo a un equipo de operaciones
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Learning (Undergraduate)
Bachelor · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de Procesamiento de Lenguaje Natural
Construir un clasificador de texto multiclase con TF-IDF y un análisis de errores cuidadoso es el primer proyecto típico de quien empieza como NLP Engineer en una empresa de producto.
Este proyecto afina
- text-classification
- tf-idf
- error-analysis
Científico de Datos
Encuadrar un problema de operaciones como clasificación y entregar métricas + ejemplos cualitativos es la rutina semanal de una persona junior en data science.
Este proyecto afina
- text-classification
- model-evaluation
- logistic-regression