Lección 25 de 25 · Lectura y práctica
Evaluación final del proyecto integrador
Tipo de lección: QuizEvaluación del móduloResponde estas preguntas para comprobar que puedes aplicar los criterios principales del módulo.
Del concepto a la práctica
Taller de esta lección
La evaluación final debe comprobar el sistema completo mediante evidencias reproducibles: contrato de datos, imagen identificable, despliegue, prueba de predicción y respuesta ante fallo. Una predicción correcta aislada no demuestra que el pipeline sea mantenible ni observable.
Ejemplo resuelto
Un candidato entrega un manifiesto, la etiqueta api:a1b2c3d, tres registros de prueba y una respuesta esperada. La evaluación verifica cinco aspectos: entrada válida, rechazo de campo ausente, artefacto correcto, estado disponible del servicio y registro de la versión. Cada criterio se marca aprobado o pendiente, sin inventar métricas.
Pruébalo
Ejecuta una prueba válida y una inválida.
Comprueba que el servicio use la imagen declarada.
Revisa logs sin incluir secretos.
Documenta el resultado y la acción correctiva pendiente.
Error frecuente: confundir “pod en ejecución” con “modelo correcto”; corrige comparando versión, contrato y salida esperada.
Comprueba tu resultado
Usa {"area":90,"habitaciones":3} como caso válido y {"area":90} como inválido. Debes obtener una predicción en el primero y un rechazo explícito en el segundo. La entrega queda incompleta si no puedes vincular ambos resultados con una versión concreta.
Matriz final con casos completos
La evaluación usa el contrato de vivienda de la lección anterior: {"area":90,"habitaciones":3} debe devolver precio5490 y version vivienda-regla-1; {"area":90} devuelve400 indicando la ausencia de habitaciones. El artefacto propio JSON conserva coeficientes, unidades y versión; no se acepta un archivo cuyo contenido o checksum sea desconocido. Estos casos prueban una regla preparada, no exactitud de un modelo estadístico.
Cinco criterios verificables: 1) entrada y unidades correctas; 2) rechazo previo al cálculo de campo ausente, bool o valor no finito; 3) artefacto/hash real y digest de imagen; 4) Pods Ready, selector/puertos coherentes y versión servida; 5) registro de cada solicitud de prueba sin secretos y plan de fallo/rollback. Cada criterio se aprueba con evidencia observada o queda pendiente. Cuatro de cinco equivalen80%, pero disponibilidad pendiente impide declarar el servicio terminado aunque la nota sea80%.
Compara la respuesta válida en cada réplica usando la misma versión y registra fecha/namespace de práctica. Una foto de un Pod Running o YAML sintácticamente válido no demuestra readiness ni un Job completado. No incluyas contraseñas ni datasets privados en la entrega; el proyecto pequeño contiene todos sus fixtures.

Mapa de prácticaEl entrenamiento ajusta los parámetros del modelo. La validación ayuda a elegir el enfoque sin utilizar la prueba final. Reserva la prueba para evaluar la decisión terminada y evita que sus resultados vuelvan al ajuste.
Ver la infografía en tamaño completo ↗Tipo de lección: Quiz
Evaluación del módulo
Responde estas preguntas para comprobar que puedes aplicar los criterios principales del módulo.
Sigue con Containerización y Despliegue de Modelos ML con Docker y Kubernetes
Esta lección forma parte de un curso de Cursalo. Revisa su programa y elige entre la compra individual o el acceso a toda la escuela.
Si ya tenías acceso a este curso, entra con tu cuenta: tus derechos y tu progreso se conservan. No necesitas comprarlo de nuevo.