Datos
En una frase
Datos: la información —texto, imágenes, números, audio— de la que un modelo aprende y sobre la que hace predicciones.
¿Demasiado técnico? Ver explicación sencilla¿Quieres profundizar? Ver explicación técnica
Explícamelo fácil
Los datos son la materia prima de la IA. Un modelo solo puede aprender lo que está presente en sus datos: si nunca vio fotos de gatos, no sabrá reconocer gatos.
Por eso se dice «basura entra, basura sale»: datos incompletos, sesgados o erróneos producen modelos que fallan de formas parecidas.
Nivel técnico
Profundizando
Los datos pueden ser estructurados (tablas con columnas definidas) o no estructurados (texto libre, imágenes, audio). Antes de entrenar se limpian, se deduplican y se transforman en representaciones numéricas: features, tokens o píxeles normalizados.
La calidad suele importar tanto como la cantidad. Problemas típicos: ruido en las etiquetas, desbalance entre clases, datos duplicados, filtración entre entrenamiento y evaluación (contaminación) y sesgos heredados de cómo se recolectaron.
¿Por qué importa?
En muchos proyectos reales, mejorar los datos rinde más que cambiar de modelo.
¿Dónde se utiliza?
- Entrenar modelos
- Evaluar modelos
- Alimentar sistemas RAG
- Analítica