Saltar al contenido

Datos de entrenamiento

Subconjunto de datos que el modelo usa para aprender ajustando sus parámetros. Es de donde el modelo extrae todo su conocimiento, por lo que sus sesgos y vacíos se reflejan en el resultado.

Actualizado: 3 de junio de 2026.

Lo que un modelo "sabe" proviene directamente de sus datos de entrenamiento. Si el dataset no contiene cierta información o la representa de forma sesgada, el modelo heredará esas limitaciones.

Corte de conocimiento

Los LLM tienen una fecha de corte: no conocen nada posterior a sus datos de entrenamiento. Por eso se complementan con RAG para información actualizada.

Riesgo de sesgo

Datos históricos sesgados producen sesgo algorítmico. Curar y equilibrar los datos es parte esencial de una IA responsable.

Aprende Datos de entrenamiento con una ruta guiada

Si quieres aplicar este concepto con proyectos y criterio, estas son las páginas de AIClases para continuar.

Términos relacionados

Dataset o conjunto de datos: qué esUn dataset o conjunto de datos es una colección de ejemplos reunidos para análisis, entrenamiento, validación o evaluación. Cada ejemplo puede contener características, etiquetas, texto, imágenes, audio u otros valores. Su utilidad no depende solo del tamaño: representatividad, calidad, procedencia, permisos, partición y correspondencia con el uso real determinan qué conclusiones o modelos permite sostener.Entrenamiento (de modelos)Proceso por el que un modelo ajusta sus parámetros analizando datos para minimizar sus errores. Es la fase más costosa del ciclo de vida de un modelo de IA y determina lo que el modelo sabe.Sesgo algorítmicoTendencia de un modelo a producir resultados injustos o discriminatorios, normalmente porque aprendió de datos sesgados. Puede afectar a decisiones sensibles como crédito, contratación o justicia.Etiquetado de datosProceso de asignar etiquetas o anotaciones a los datos para que un modelo supervisado pueda aprender de ellos. Suele ser manual, costoso y determinante para la calidad del modelo.PreentrenamientoPrimera fase de entrenamiento de un modelo grande, en la que aprende patrones generales del lenguaje o del mundo a partir de corpus masivos, antes de cualquier especialización.

Ver todos los términos