L10 — Correr evaluación v1 sobre gold set

~5 h · Semana 3

Objetivo

Ejecutar evaluación completa v1; tabular pregunta, respuesta modelo, score rúbrica.

Por qué importa

Resultados versionados permiten auditoría y mejora.

Conceptos

• Batch.
• CSV resultados.
• Reproducibilidad.
• Version tag.

Pasos (hazlos en orden)

1. Lectura dirigida (60–90 min)

Lee la sección indicada en la ficha de la materia y subraya solo lo que vas a probar hoy en terminal o en projects/.

2. Carpeta de evidencia (15–20 min)

Crea o actualiza la carpeta del proyecto de la materia. Cada lección añade una sección en la bitácora semanal o un archivo dedicado; no disperses notas sueltas.

3. Laboratorio / trabajo documental (90–120 min)

Genera projects/m23-ia/llm-eval/resultados-v1.csv. Documenta comando exacto en projects/m23-ia/llm-eval/README.md.

No pegues API (interfaz de programación de aplicaciones) key en README.

4. Conexión con el plan (30–45 min)

Escribe un párrafo en la bitácora: cómo lo de hoy afecta al piloto Agenda Ops (M12 en adelante) o a la API que desplegarás en M17/M19. Si aún no tienes SRS (especificación de requisitos de software), usa el escenario del producto del plan (citas, clientes, panel).

5. Commit atómico (15 min)

git add projects/
git status
git commit -m "docs(m23): l10 correr-evaluacion-v1-sobre-gold-set"

Lectura de esta lección

Fuente	Qué leer	Alternativa
Ficha	../M23-ia-datos.md semana 3	preguntas-gold.json
Catálogo	Entrada M23	Bibliografía · M23

Hecho cuando

1. resultados-v1.csv 10 filas.
2. README comando.
3. prompt-v1 referenciado.

Errores comunes

• Eval parcial sin commit.
• Editar gold para ‘pasar’.

Siguiente

L11 — Prompt v2 — iteración medida