Si te atascas: qué volver a mirar¶
Cada capítulo del curso ya dice qué necesitas antes de leerlo. Esta página es para el otro momento: estás leyendo, no entiendes algo, y no sabes si el problema es lo que tienes delante o algo de antes.
Antes de volver a nada, comprueba esto¶
Casi todos los atascos se resuelven con uno de estos tres pasos, sin releer nada:
- ¿Tu salida coincide con la esperada? Si no coincide, el problema está en lo que venía antes, no en lo que estás leyendo. La diferencia entre tu salida y la esperada te dice qué falló.
- ¿Entiendes la frase anterior a la que no entiendes? Suele haber una frase «esto es obvio» que no lo es.
- ¿Has hecho la práctica del capítulo? Una explicación se entiende haciendo la práctica, no al revés.
Si después de eso sigues atascado, entonces sí: vuelve al capítulo del que depende el que estás leyendo.
La pregunta que funciona
No preguntes «¿por qué esto?». Pregunta «¿qué estoy suponiendo que ya
sé?». La respuesta casi siempre es algo concreto (qué es una función,
cómo se hace un groupby), y eso sí se puede buscar.
Si el problema es Python¶
Machine Learning no enseña Python: presupone que manejas variables, condicionales, bucles y colecciones. Ese material está en la Unidad 1 de Programación de IA, que se imparte en paralelo y empieza desde cero.
Si te pierdes en un capítulo de Machine Learning por culpa del código, mira primero esa unidad: es el punto de sincronización más delicado del curso.
| Si te pasa esto | Mira esto (Programación de IA) |
|---|---|
| No sé qué tipo tiene un valor o por qué falla una conversión | 1.2 · Variables y tipos |
| No entiendo un bucle | 1.5 · Bucles y 1.4 · Condicionales |
| Las listas o los índices me lían | 1.6 · Listas y tuplas |
| Los diccionarios me lían | 1.7 · Diccionarios y conjuntos |
No entiendo las funciones o el return |
1.8 · Funciones |
| No entiendo los ficheros o las rutas | 1.10 · Archivos y 1.11 · Excepciones y logging |
No entiendo await o la ejecución concurrente |
1.16 · Asincronía con asyncio |
Si el problema son los datos¶
| Si te pasa esto | Mira esto (Machine Learning) |
|---|---|
| Me devuelve un array y no sé qué forma tiene | 1.4 · NumPy |
No entiendo groupby |
1.5 · Pandas |
| Las filas se duplican o se pierden al unir tablas | 1.5 · Pandas, «Combinar tablas» y los JOIN de 1.6 · SQL |
| No sé si agregar en SQL o en pandas | 1.6 · SQL y bases de datos |
| No entiendo por qué usar Parquet, Polars o DuckDB | 1.7 · Parquet, Polars y DuckDB |
Si el problema es el modelo¶
Estos capítulos llegan más adelante, en la Unidad 3 de Machine Learning. Son los que más conviene releer cuando un resultado no cuadra: casi siempre el problema está en cómo se validó el modelo o en qué métrica se miró, no en el modelo mismo.
| Si te pasa esto | Mira esto |
|---|---|
| El modelo da resultados raros o demasiado buenos | 3.3 · Validación y generalización (Machine Learning), el capítulo más importante del curso |
| No entiendo las métricas | 3.4 · Métricas y evaluación (Machine Learning) |
| No entiendo las correlaciones o el contraste de hipótesis | Anexo de Estadística |
| No entiendo las matrices o PCA | Anexo de Álgebra lineal, escrito para seguirlo sin haber cursado la asignatura |
Si nada de esto funciona¶
Repasa Cómo usar este material, que explica qué hacer cuando algo falla y cómo preguntar. Y pregunta: con el mensaje de error completo, lo que esperabas y lo que obtuviste, se resuelve rápido.
La nivelación no cambia el recorrido
Volver a un capítulo anterior añade trabajo, nunca lo sustituye: ir con retraso no permite saltarse capítulos. Lo que cambia es cuánto apoyo recibes, no qué se exige.