Predicción: Taxonomía y Marco de 5 Dimensiones
Predecir es un problema fundamental en IA, pero no lo es todo — es una herramienta que ayuda a los agentes a entender el mundo. ¿De dónde viene el conocimiento? ¿Qué significa la incertidumbre? ¿Qué queremos realmente del modelo?
Este módulo presenta un marco de 5 dimensiones ortogonales para categorizar cualquier método de predicción. En lugar de memorizar una lista de algoritmos, aprenderás a ubicar cada método como un punto en un espacio 5-dimensional — y a elegir el punto correcto para tu problema.
Contenido
| Sección | Tema | Idea clave |
|---|---|---|
| 8.1 | El problema fundamental | Qué es predecir, los 7 objetivos matemáticos, jerarquía y restricción |
| 8.2 | Fuente del conocimiento (D1) | Deductivo, inductivo, híbrido — el marco de 5 dimensiones |
| 8.3 | Incertidumbre y objetivo (D2 + D3) | Frequentist vs Bayesian + qué cantidad estimar |
| 8.4 | Arquitectura y supuestos (D4 + D5) | Estructura entre variables + sesgo inductivo + Z vs L |
| 8.5 | Atlas de métodos | Matrices de métodos: supervisados, no supervisados, self-supervised, temporales, IA generativa |
| 8.6 | Mapa y heurísticas | Mapa visual, heurísticas de elección, 8 casos de estudio, reflexión final |
Cómo correr el lab (para imágenes)
cd clase/08_prediccion
python lab_prediccion.py
Objetivos de aprendizaje
Al terminar este módulo podrás:
- Definir qué es predicción y distinguir los 7 objetivos matemáticos ($P(Y)$, $E[Y]$, $P(Y \mid X)$, $E[Y \mid X]$, $P(X)$, $\phi(X)$, $P(Y \mid do(X))$).
- Explicar por qué los datos nunca son suficientes y por qué toda predicción requiere restricciones.
- Describir las 5 dimensiones ortogonales que caracterizan cualquier método de predicción.
- Distinguir entre enfoques deductivo, inductivo e híbrido, y cuándo usar cada uno.
- Comparar las interpretaciones frequentist, bayesiana y de propensión de la probabilidad.
- Clasificar métodos concretos (regresión, random forest, GP, VAE, GPT, DSGE, etc.) en el espacio 5D.
- Aplicar heurísticas por dimensión para elegir un enfoque adecuado a un problema nuevo.
- Analizar casos de estudio reales ubicando cada decisión en el marco taxonómico.
Siguiente: El problema fundamental →