🔒 Modo vista previa. Las primeras quince lecciones de Foundations son gratis; esta es Pro. Inicia un trial de 7 días para desbloquear el editor, las pistas AI y el resto del programa. Tarjeta requerida, cancela cuando quieras en Dashboard.Iniciar trial de 7 días →
📝 **Tarea:** Construir \`drift_detector(baseline_mean, current_mean, std, umbral)\`: devuelve \`True\` si la media de la característica actual se ha desviado significativamente de la línea base:
- Calcular puntuación z: \`|current_mean - baseline_mean| /std\`.
- Devuelve \`True\` si puntuación z \`>= umbral\` (deriva), en caso contrario \`False\` (estable).
- \`std == 0\` → devuelve \`False\` (sin propagación → no se puede calcular una deriva significativa; marcar sería un ruido de alerta).
- Esta es la señal de deriva de producción más simple: se ejecuta todas las noches por función.
📋 Implemente la función anterior. Las pruebas se ejecutan automáticamente.
💡 **Pista:** Vuelve a leer la teoría si te quedas atascado.
🎯 Cuestionario
Pregunta
📝 **Tarea:** Construir \`drift_detector(baseline_mean, current_mean, std, umbral)\`: devuelve \`True\` si la media de la característica actual se ha desviado significativamente de la línea base:
- Calcular puntuación z: \`|current_mean - baseline_mean| /std\`.
- Devuelve \`True\` si puntuación z \`>= umbral\` (deriva), en caso contrario \`False\` (estable).
- \`std == 0\` → devuelve \`False\` (sin propagación → no se puede calcular una deriva significativa; marcar sería un ruido de alerta).
- Esta es la señal de deriva de producción más simple: se ejecuta todas las noches por función.
📋 Implemente la función anterior. Las pruebas se ejecutan automáticamente.
💡 **Pista:** Vuelve a leer la teoría si te quedas atascado.
💬 Discusión
Sé el primero en hacer una pregunta o compartir un consejo.
Inicia sesión para unirte a la discusión. Leer es gratis.