Este fue el foro donde más escribí: cinco intervenciones. En la principal expliqué el paso de CRISP-DM a CRISP-ML(Q), por qué la fuga de datos aparece cuando uno normaliza o vectoriza antes de partir el conjunto, y cómo se ve el concept drift en mi terreno: cambia una ley o sale una sentencia unificada y la interpretación de las variables del expediente cambia con ella. Repliqué a tres compañeros, uno de ellos de mi propio grupo. La conclusión del foro también la redacté yo.
Escribí la participación principal sobre las etapas críticas del ciclo de vida, con pipelines de scikit-learn como remedio contra el data leakage y MLflow para trazabilidad ante auditorías públicas
Repliqué a dos compañeros de otros grupos: uno sobre la deuda técnica oculta de Sculley et al. (2015) y el riesgo de sobredimensionar MLOps en el sector público, y otro defendiendo el Human-in-the-Loop para autorizar redespliegues
Repliqué a un compañero de mi mismo grupo con el paralelo de los expedientes judiciales: un nulo en el campo 'sentencia' no es un error de sistema, es una reserva sumarial o una preclusión
Redacté la conclusión del foro consolidando tres ejes: MLOps proporcional, factores humanos y monitoreo con validación humana
Antes de participar armé un documento de estudio con las tres preguntas detonadoras resueltas y las referencias completas
Punto extra: un solo intento, cuatro minutos
Qué pedían
El enunciado y la rúbrica, tal cual los publicaron.