El problema
Cierre de la serie de iteraciones sobre el clasificador MNIST: además de mejorar las métricas, el código del cuaderno necesitaba una estructura que facilitara su lectura y repetición.
Resolución
- Principios SOLID en práctica: una clase para gestión de datos (Single Responsibility), otra para construcción del modelo (Open/Closed) y otra para el entrenamiento.
- Flujo de datos con tensorflow_datasets: carga de MNIST, normalización y procesamiento por lotes encapsulados en la clase de datos.
- Modelo denso (
Flatten+Dense) construido por la clase de modelo, con evaluación de la exactitud sobre el conjunto de prueba.
Tecnologías
Python · TensorFlow · Keras · tensorflow_datasets · SOLID
Conocimiento demostrado
Principios de diseño de software aplicados al análisis de datos con cuadernos: separación de los datos, el modelo y el entrenamiento para facilitar la lectura, la repetición y las modificaciones futuras.