El sesgo en los datos ocurre cuando los ejemplos con los que aprende un modelo no representan de forma justa a todo el mundo o a todas las cosas — así que el modelo acaba siendo injusto también.
Imagínalo así: Si entrenaras tiros libres solo con una canasta ajustada demasiado baja, te volverías excelente con esa canasta, pero te costaría con una canasta normal. Tu entrenamiento no era una representación justa del verdadero reto — eso es el sesgo.
Vista previa: el resto de la lección está reservado a los inscritos.
Tu acceso está vinculado a tu cuenta, no a este enlace. Inicia sesión con el mismo correo que usaste en clase: tu curso te espera, no hace falta volver a introducir el código.
Iniciar sesión¿Aún no tienes cuenta? Crear unaLos primeros módulos del curso son de acceso libre. Para el resto hay tres opciones: comprar este curso de una vez, suscribirte, o introducir el código entregado en clase.