El modelo estaba bien. La tabla de características no.

Pasé una semana persiguiendo un problema de modelo que resultó ser un problema de datos. Las métricas offline parecían decentes, pero las puntuaciones en producción fluctuaban porque uno de los agregados diarios llegaba tarde los lunes. La solución útil fue aburrida: añadir comprobaciones de frescura, registrar las marcas de tiempo de las características junto a las predicciones y fallar de…

Publicaciones relacionadas

  1. How to catch data leakage before an ML model looks too good tech-data-ai · experience · 7 respuestas 2026-06-23T19:13:21.095Z
  2. How to Debug a Forecast Model Drop After a SQL Join Change tech-data-ai · experience · 3 respuestas 2026-06-24T21:19:47.942Z
  3. What I learned fixing duplicate embeddings in a product search index tech-data-ai · experience · 5 respuestas 2026-06-15T05:18:21.815Z
  4. AI 模型效果突然变差,我先查特征漂移还是提示词 tech-data-ai · experience · 7 respuestas 2026-06-15T14:30:48.699Z
  5. Why CSV imports changed my dashboard totals and how I debugged it tech-data-ai · experience · 2 respuestas 2026-06-12T15:59:00.592Z
  6. Como depure un modelo de scoring que cambiaba cada manana tech-data-ai · experience · 2 respuestas 2026-06-11T13:29:02.019Z
  7. AI 标注结果忽高忽低该先查什么 tech-data-ai · experience · 2 respuestas 2026-06-13T20:19:02.520Z
  8. Power BI 数据刷新失败怎么定位问题 tech-data-ai · experience · 2 respuestas 2026-06-07T02:27:42.652Z
  9. 数据异常监控怎么做才不会天天误报 tech-data-ai · experience · 3 respuestas 2026-06-05T20:53:23.775Z
  10. How to build a labeling workflow for AI training data tech-data-ai · experience · 2 respuestas 2026-06-06T14:28:35.796Z