Para más información sobre los programas profesionales y de posgrado en Inteligencia Artificial de Stanford, visita:
https://stanford.io/3b2QxDeAnand Avati
Ciencias de la Computación, PhD
Para seguir el cronograma del curso y el plan de estudios, visita:
0:00 Introducción
0:42 Temas
1:16 ¿Por qué son importantes las métricas?
5:23 Clasificación Binaria
11:55 Modelos basados en puntajes: Clasificador
13:40 Métricas puntuales: Matriz de Confusión
15:05 Métricas puntuales: Verdaderos Positivos
15:56 Métricas puntuales: Verdaderos Negativos
16:28 Métricas puntuales: Falsos Positivos
16:49 Métricas puntuales: Falsos Negativos
17:43 FP y FN también llamados errores Tipo-1 y Tipo-2
19:38 Métricas puntuales: Precisión
20:29 Métricas puntuales: Precisión
23:15 Métricas puntuales: Recall Positivo (Sensibilidad)
28:22 Métricas puntuales: Recall Negativo (Especificidad)
33:48 Métricas puntuales: F score
35:40 Métricas puntuales: Cambio de umbral
46:05 Métricas resumidas: ROC (versión rotada)
54:02 Métricas resumidas: PRC
59:05 Métricas resumidas: Motivación de Log-Loss