Científico/a de DatosRespuestas de Entrevista

Comienzo con el encuadre del problema — ¿qué decisión informará el modelo y realmente es ML la herramienta adecuada? Exploro los datos, entiendo las distribuciones, manejo la falta de datos y creo features guiados por el conocimiento del dominio. Selecciono primero un modelo base (siempre empezar simple), luego pruebo enfoques más complejos. Valido rigurosamente — usando validación cruzada, reservando un conjunto de prueba y evaluando con las métricas apropiadas para el problema (no solo accuracy). Finalmente, considero el despliegue: ¿cómo se consumirán las predicciones y cómo se monitorizará el rendimiento del modelo a lo largo del tiempo?

Primero, elijo métricas de evaluación apropiadas — accuracy es inútil con clases desbalanceadas. Uso precision, recall, F1, AUC-ROC o Precision-Recall AUC dependiendo del coste de falsos positivos vs falsos negativos. En el lado de los datos, uso SMOTE para sobremuestreo, submuestreo de la clase mayoritaria o ponderación de clases en el modelo. También experimento con el ajuste del umbral — el umbral de probabilidad por defecto de 0.5 no siempre es óptimo. Evalúo qué enfoque funciona mejor mediante experimentos con validación cruzada.

El sesgo (bias) es el error por suposiciones excesivamente simplistas — underfitting. Un modelo con alto bias da la misma respuesta incorrecta independientemente de los datos de entrenamiento. La varianza es el error por sobreajuste al ruido en los datos de entrenamiento — funciona bien en entrenamiento pero mal en datos nuevos. El tradeoff es que reducir bias (modelos más complejos) aumenta la varianza y viceversa. La regularización (L1/L2), la validación cruzada y los métodos ensemble son herramientas para gestionar este compromiso. En la práctica, empiezo simple, mido el error en entrenamiento vs validación y añado complejidad solo cuando hay evidencia de underfitting.

La ingeniería de features suele ser más impactante que la selección del modelo. Empiezo con conocimiento del dominio — ¿qué variables diría un experto que son predictivas? Luego exploro los datos: distribuciones, correlaciones y posibles efectos de interacción. Creo features como variables rezagadas para series temporales, términos de interacción, features polinómicos para relaciones no lineales y representaciones codificadas para variables categóricas. Valido la contribución de cada feature usando gráficos de importancia y estudios de ablación — las features que no aportan señal deben eliminarse para reducir el overfitting.

Traduzco los resultados del modelo a impacto de negocio. En lugar de «el modelo tiene un AUC de 0.82», digo «si usamos este modelo para priorizar nuestro outreach, identificaríamos el 80% de clientes que churnean mientras contactamos solo al 30% de la base — ahorrando al equipo X horas y recuperando un estimado de Y en ingresos». Uso visualizaciones — matrices de confusión explicadas en lenguaje sencillo, lift charts, gráficas SHAP para explicabilidad. Siempre incluyo incertidumbre y limitaciones. Los decisores deben confiar en el modelo, no solo usarlo.

He aplicado deep learning para NLP (BERT, fine-tuning de transformers para clasificación de texto), visión por computador (CNNs para clasificación de imágenes) y forecasting de series temporales (LSTMs, temporal convolutional networks). Uso PyTorch y TensorFlow/Keras. También conozco transfer learning y sé cuándo no usar deep learning — cuando los datos son limitados, modelos más simples a menudo superan a las redes neuronales. Me mantengo al día con el campo mediante artículos (ArXiv), fast.ai e implementando nuevas arquitecturas en proyectos personales.

Empiezo por entender los atributos protegidos en el contexto y revisar sesgos en los datos de entrenamiento — los datos históricos a menudo codifican discriminación histórica. Uso métricas de equidad (equalized odds, demographic parity, individual fairness) apropiadas al caso de uso y asumo que distintos criterios de equidad pueden entrar en tensión matemática. Realizo análisis de disparate impact entre grupos demográficos y documento los hallazgos. Además involucro a especialistas en ética y expertos del dominio en aplicaciones de alto riesgo. El sesgo en los modelos es un riesgo empresarial y ético, no solo un problema técnico.

He desplegado modelos como APIs REST (FastAPI, Flask) containerizados con Docker y orquestados con Kubernetes. Uso MLflow para el tracking de experimentos y el registro de modelos. He construido pipelines de monitorización para detectar data drift (usando Evidently, Great Expectations) y la degradación del rendimiento del modelo a lo largo del tiempo. Escribo pruebas unitarias para pipelines de datos y funciones de inferencia, y trato el código del modelo con los mismos estándares de ingeniería que el código de la aplicación. El despliegue es donde la mayoría de proyectos de ML tienen éxito o fracasan.