Qué es
En machine learning, un modelo es el resultado de entrenar un algoritmo con un conjunto de datos: una representación matemática —un conjunto de parámetros ajustados— que capturó patrones de esos datos y que puede usarse luego para hacer predicciones, clasificar o generar contenido a partir de datos que no vio durante el entrenamiento.
Modelo vs. algoritmo
Ver Algoritmo: el algoritmo es el método de aprendizaje; el modelo es el producto entrenado, con parámetros fijos, que resulta de aplicar ese método a datos concretos.
Ciclo de vida de un modelo
Entrenar un modelo es solo una etapa: en la práctica también hay que validarlo con datos que no usó para entrenar, ajustarlo, desplegarlo en producción y monitorear su desempeño a lo largo del tiempo, porque puede degradarse a medida que cambian los datos del mundo real. Ver Model drift.
Otras acepciones
Fuera de machine learning, “modelo” también se usa para referirse a un modelo de datos —cómo se estructuran las tablas y relaciones de una base de datos, ver Modelo entidad-relación— o a un modelo estadístico, una formulación matemática de la relación entre variables, como una regresión. El sentido específico depende del contexto en el que se use la palabra.