Tarea práctica
AI generó un código para la decisión sobre el lanzamiento de un nuevo LLM. Realiza una revisión: modifícalo para que el editor pueda comparar la calidad de las versiones por segmentos temáticos, ver la dispersión de las evaluaciones y notar el riesgo de deterioro en un pequeño grupo de datos.
import matplotlib.pyplot as plt
import pandas as pd
scores = pd.read_csv('model_scores.csv')
summary = scores.groupby('model_version')['score'].mean()
plt.bar(summary.index, summary.values)
plt.title('Calidad de los modelos')
plt.ylabel('Puntuación media')
plt.show()
print('Mejor versión:', summary.idxmax())
---
import matplotlib.pyplot as plt
import pandas as pd
scores = pd.read_csv('model_scores.csv')
stats = (
scores.groupby(["topic", "model_version"])["score"]
.agg(["mean", "std", "count"])
.reset_index()
)
print(stats)
for topic, group in scores.groupby("topic"):
group.boxplot(column="score", by="model_version")
plt.title(f"Tema: {topic}")
plt.suptitle("")
plt.ylabel("Puntuación")
plt.show()
small_groups = stats[stats["count"] < 30]
print("Grupos pequeños - conclusiones poco fiables:")
print(small_groups)
