Construye un modelo que puedas defender, sin código y sin maquillaje.

Respondes una sola pregunta, qué columna quieres predecir, y la app reconoce la tarea por ti. Puede ser un sí o no, de 3 a 20 categorías o una cantidad, como un precio. Si no hay nada que predecir, te ofrece agrupar filas parecidas.

Ves en todo momento qué modelo está compitiendo y cuánto falta, con una barra de avance y el tiempo estimado. Todo el cálculo corre dentro de tu navegador, sin pantallas en blanco.

Sabes de un vistazo si tu modelo vale la pena: ▲ supera, ＝ empata o ▼ NO supera a la línea base, una regla simple de referencia, con la diferencia exacta. Si el modelo no aporta, la app lo dice de frente.

Te protege del espejismo más caro: si una columna predice el resultado casi a la perfección, el titular dice «Posible fuga de datos: sospechoso» en vez de «supera». Casi siempre es un dato que no tendrías al momento de predecir.

Sabes exactamente qué columna revisar: la app nombra la que podría estar delatando el resultado y te dice qué hacer, quitarla y volver a entrenar. Con varias categorías, nombra también la categoría que esa columna delata.

Cada cifra se calcula sobre la cuarta parte de tus filas que el modelo nunca vio al entrenar. Con dos categorías ves exactitud, precisión, sensibilidad, F1 y AUC; con varias, la exactitud balanceada; al estimar, el error en las unidades de tu columna.

Ves no solo cuánto acierta el modelo, sino en qué se equivoca. Una tabla cruza lo real con lo predicho y muestra cuántos casos confundió en cada dirección, para que sepas qué error comete más.

Ves contra quién compite tu modelo y con qué cifras: al clasificar, responder siempre lo más frecuente y una regresión logística; al estimar, la mediana y una regresión lineal. Ganarle al mejor de ellos es la condición para servir.

Obtienes al mejor de hasta 14 modelos sin inflar el resultado: compiten con validación cruzada, que los mide rotando partes del entrenamiento, y la prueba se reserva para el veredicto. Si prefieres otro, lo eliges y queda marcado «elegido por ti».

Si quieres predecir un número, como un precio o un consumo, compiten 11 modelos y el veredicto dice cuánto se equivoca en promedio, en las unidades de tu columna. Un gráfico enfrenta lo estimado con lo real.

Si tu respuesta tiene de 3 a 20 categorías, como un plan o una región, el veredicto usa la exactitud balanceada, que pesa igual cada categoría. La matriz marca los aciertos con ✓ y una frase nombra la confusión más frecuente.

Cuando una columna tiene pocos números distintos, como una nota del 1 al 5, la app no adivina si son categorías o una cantidad: te pregunta, con la lectura más probable marcada. Las dos respuestas entrenan.

Vuelves al inicio con un solo botón para probar otra tabla u otra pregunta, sin recargar la página. El siguiente experimento arranca desde cero.

Sabes cuánto podría moverse la cifra del veredicto con otra muestra de las mismas filas: la app remuestrea mil veces la prueba y te da un intervalo del 95 %. Con la misma semilla, repetirlo da lo mismo.

Arrastras tu archivo o lo eliges con un clic, y empiezas a trabajar al instante. El archivo se lee dentro de tu navegador: tus filas no se suben a ningún servidor.

Recorres la app entera sin traer nada tuyo: siete tablas sintéticas, de una campaña de marketing al consumo de energía de una casa, cada una pensada para mostrar algo, como una fuga plantada o datos sucios.

Antes de entrenar ves tu tabla y el tipo de cada columna, numérica o de categorías, con sus valores vacíos. Si una columna parece una fecha, la app te avisa, porque las fechas no entran al entrenamiento.

Sabes desde el inicio hasta dónde llega: archivos de hasta 5 MB o 50 000 filas. Si el tuyo es más grande, la app te avisa en lugar de colgarse fingiendo que trabaja.

Tu tabla llega limpia y sabes qué se le hizo: se quitan filas duplicadas, se apartan columnas que identifican o no cambian y se vacían celdas basura, cada cosa con su conteo. Si venía limpia, te dice «nada que sanear».

Te enteras de los riesgos antes de entrenar: una columna que huele a fuga, otra que parece un identificador, un resultado desbalanceado y, al estimar, un objetivo muy sesgado o con valores extremos. Cada alerta lleva símbolo y texto, nunca solo color.

Si tu CSV viene separado con punto y coma, como lo guarda Excel en español, la app te dice cuál es el separador y cómo volver a guardarlo. No lo adivina, porque una mala lectura convertiría tus columnas de números en categorías sin avisarte.

Traes tu libro de Excel tal cual y la app lo lee en tu navegador, con los mismos límites que un CSV, y te dice qué hoja leyó. Uno con contraseña, uno antiguo (.xls) o uno dañado se rechaza explicando por qué.

Te enteras de si tu tabla trae datos personales, como correos, teléfonos, documentos o nombres: la app te dice la columna, el tipo y, si lo vio en las celdas, qué parte tiene esa forma, nunca un valor. Es un aviso aproximado, no un bloqueo.

Recibes hasta doce pasos de limpieza, cada uno con lo que hace, cuántas celdas toca y cómo se deshace. Tú apruebas o rechazas cada paso: lo que no apruebas no se aplica, y tu decisión queda en la ficha y en el archivo del modelo.

Entiendes tu tabla antes de modelarla: cómo se reparte cada columna, qué números se mueven juntos y qué categorías van de la mano, con un resumen escrito. Cada cifra del resumen se recalcula aparte desde tu tabla antes de mostrarse.

Obtienes respuestas de tu tabla escribiendo la pregunta, como «ventas del último trimestre por región»: tabla, gráfico y una frase verificada. Antes de calcular ves cómo la entendió y qué comprobó, y lo dudoso te lo pregunta. Sin IA: tu pregunta no sale del navegador.

Ves qué columnas pesan más en las predicciones y hacia dónde empujan, medido al desordenar cada una sobre la prueba. Si el modelo no se apoya en una columna, no se le pinta una flecha que la medición no respalda.

Lees en palabras llanas el veredicto, qué mide la métrica principal y qué columnas pesan más. La escribe la propia app con los números de tu experimento, sin IA ni internet, así que siempre está ahí.

Si quieres una narración más natural, la pides con un botón y llega marcada «✓ verificada con los números». Si la IA cita una cifra o una columna que no existe, se descarta antes de mostrarse. Hoy cubre las tareas de dos categorías.

Si la narración con IA no llega, la app te dice el motivo: el proveedor no respondió, no pasó la verificación o no está configurada. Un botón te deja intentarlo de nuevo, y la explicación de la app sigue ahí.

Te llevas en un documento la constancia completa de tu experimento, su ficha o «model card»: los datos, cómo se partieron, el método, las métricas, el veredicto y sus límites. Se arma en tu navegador, en tu idioma.

Sabes cuánto de tu veredicto sobrevive si los datos cambian: el mismo modelo se mide con ruido, con una columna revuelta y con un corrimiento como el del paso del tiempo. Al final dice si todavía le gana a su rival sin modelo.

Cada explicación escrita pasa una comprobación antes de mostrarse: sus cifras tienen que ser las de tu resultado y las columnas, en el orden en que pesaron. Si no cuadra, ves solo las cifras. Comprueba el texto, no la calidad del modelo.

Subes otra tabla con las mismas columnas y obtienes la predicción de cada fila, sin volver a entrenar. No hace falta la columna que predices: aquí es el modelo el que responde.

Si a tu archivo nuevo le falta alguna columna que el modelo necesita, la app se niega a puntuar y te dice exactamente cuáles faltan. Nunca rellena en silencio para darte un resultado a medias.

Sabes en qué parte de tus filas nuevas el modelo adivina: la app cuenta los valores que nunca vio al entrenar, como categorías nuevas o números fuera de rango, y te dice en qué porcentaje de filas aparecen.

Antes de descargar nada ves cómo se reparten las predicciones y una vista previa de tu tabla con las columnas nuevas. Así detectas una sorpresa antes de que llegue a tu hoja de cálculo.

Descargas tu tabla completa con la predicción y, si el modelo la da, su probabilidad. Si ya tenías una columna con ese nombre, la nueva sale con un sufijo, y una celda que parece fórmula se escribe como texto.

Guardas el modelo en un solo archivo para usarlo otro día o en otro computador. Lleva lo que aprendió y su constancia, no tus filas; la excepción son los vecinos más cercanos, que guardan filas de entrenamiento, y la app lo dice.

Cuando abres un modelo guardado, la app comprueba primero que sea de Probeta y que esté íntegro, con una huella digital de su contenido. Un archivo ajeno, dañado o manipulado se rechaza con la razón exacta, sin llegar a abrirse.

Antes de usar un modelo importado ves con qué datos nació, qué predice, qué cifra sacó en su prueba, cómo se eligió y qué advertencias trae. Decides con conocimiento, no a ciegas.

Otro día y en otro computador, abres el archivo del modelo y puntúas tablas nuevas directamente. No necesitas los datos con que se entrenó ni esperar a que vuelva a entrenar.

Te llevas un archivo de Python con versiones fijas que, con tu CSV, repite el experimento paso a paso y dice si reproduce las mismas métricas. No lleva ni una fila de tus datos.

Compartes tu modelo como una sola página web: quien la abre arrastra un CSV y su propio navegador lo puntúa, sin servidor y sin costo. La primera vez necesita internet para bajar el motor de cálculo.

Si otro sistema necesita consultar tu modelo, descargas un servicio web en Python, con versiones fijas y una guía para mantener el costo predecible. Probeta no despliega nada ni guarda credenciales: tú decides dónde corre.

Simulas un cambio, como subir una columna un 10 % en un segmento, y ves cuántas decisiones del modelo se mueven y su costo esperado por cada 100 decisiones, con tus costos. Es una simulación con las probabilidades del modelo, no una medición.

Te llevas tu modelo como unas pocas reglas «si… entonces», en texto y en SQL, para usarlo donde no corre Python. La pantalla mide cuánto se parecen al modelo; por debajo de 0,90 de coincidencia no las llama «el modelo en reglas».

Con filas nuevas que traen lo que de verdad pasó, comparas la cifra de hoy, con su margen del 95 %, contra la que sacó el modelo en su prueba. El veredicto es claro: sigue, revisar o reentrenar. Los resultados los subes tú.

Con una fecha y un número, como las ventas de cada mes, ves qué viene en los próximos periodos, con bandas del 80 y del 95 %. Seis métodos compiten y el veredicto dice si el ganador le gana al mejor método simple.

Compartes una muestra sin compartir a las personas: una tabla nueva con la forma de la tuya, que vuelve a sacar toda fila idéntica a una tuya y deja fuera datos personales, identificadores y fechas. Un informe mide el parecido y puede decir «no compartir».

También un modelo importado, o el ganador del Protocolo, se vuelve reglas: el árbol se arma con las filas de un archivo que subes. Si ese archivo trae el resultado real, fuera del Protocolo las reglas se miden también contra la verdad.

Descubres si tus clientes, productos o casos forman grupos: cuatro agrupadores, como K-Means, buscan los grupos y eligen cuántos con un criterio medido. Cada uno dice cómo eligió, y gana el número de grupos en que más coinciden.

Sabes si tus grupos son un hallazgo o solo una forma de partir la tabla: la app los compara con datos al azar y repite el agrupamiento sobre partes de tus filas. La lectura es ● existen, ⚠ frágiles u ○ sin estructura.

Cada grupo llega con su tamaño y las columnas que más lo separan, en las unidades de tu tabla y frente al promedio de todos. Las filas que no caen en ningún grupo aparecen aparte, sin forzarlas.

Descargas tu tabla entera con una columna más que dice a qué grupo pertenece cada fila. Se arma en tu navegador en el momento y no se guarda en ningún otro lado.

Clasificas filas nuevas en los grupos que ya encontraste, con una regla dicha, como el centro más cercano o «fuera de todo grupo». El archivo del modelo lleva esa regla y ninguna de tus filas.

Avanzas solo cuando cumples: ninguna etapa se abre sin el criterio de salida de la anterior, verificado por código o por tu respuesta escrita. No existe un botón para saltar; una etapa se cumple o se corrige.

Cada etapa cumplida deja su evidencia en un cuaderno que vive en tu navegador, atado a la huella de tu archivo, un código que sale de su contenido exacto. Lo exportas y lo importas sin una sola fila de tus datos.

Aprendes por qué existe cada etapa viendo, en tus propios datos, la trampa que acabas de evitar, como «tu unidad se repite: 361 filas para 100 unidades». No es un curso con datos ajenos.

Cada término técnico de una etapa enlaza a una definición breve y propia, al pie de la página. Donde existe, también te lleva a la entrada del glosario de aprendizaje automático de Google.

Empiezas por el negocio, no por el modelo: nombras la decisión, quién la toma y cuánto cuesta cada error. De ahí sale desde qué probabilidad conviene actuar, que no siempre es 0,5.

Defines qué es una fila, qué predices y en qué momento se conoce. La app lo comprueba en tus datos, cuenta cuántas filas tiene cada unidad y, si una fecha es ambigua, te pregunta en vez de adivinar.

Si lo que buscas es una causa, el Protocolo se detiene y te lo dice: eso pide un experimento, no un modelo predictivo. Puedes reformular tu pregunta como una predicción y seguir.

Escribes la población, el periodo y las exclusiones, y la app calcula cuántas filas hacen falta para tus variables, diciendo qué supone. Si no te alcanzan, no te frena: te pide un aviso escrito que queda en el cuaderno.

Declaras, columna por columna, quién la produce y si se conoce antes o después de decidir. Lo que se llena después solo se puede excluir, y lo que no sabes no entra al modelo.

Antes de ver lo que encontró la app, apuestas qué columnas crees que filtran el resultado. Al revelar, tu apuesta queda fija y una comparación te muestra qué acertaste y qué te sorprendió.

Mides lo que ya se logra sin modelo, en costo por cada 100 decisiones, y la regla que tu gente aplica hoy, medida en tus filas. Es la vara que cualquier modelo tendrá que superar.

La app aparta tu prueba según tu caso, por tiempo, por grupo o al azar estratificado, y te explica por qué. Verifica que nada se cruce entre lados y sella la prueba con una huella antes de entrenar.

Los modelos compiten solo dentro del entrenamiento, con pliegues que respetan tu partición y heredan tus decisiones. El ganador se compara con la línea base, con un intervalo del 95 %, y la prueba sigue cerrada.

Sabes si el modelo encontró estructura o solo azar: una prueba de permutación baraja las etiquetas muchas veces y vuelve a validar al ganador. Te da el valor p con su resolución, que depende de cuántas veces barajó.

La prueba se abre una sola vez y ves dónde falla el modelo: el peor segmento, si sus probabilidades dicen la verdad y los diez casos más caros. Con eso escribes el patrón de fallo, y cada apertura distinta queda contada.

El modelo se traduce a tu decisión: alertas y falsas alarmas por cada 100 casos, costo y beneficio frente a lo que haces hoy. Decides usarlo, iterar o no usarlo; «no usarlo» es un resultado válido y queda escrito.

Te llevas la ficha del modelo, armada sola desde el cuaderno, con la etapa y la huella de cada línea. Si decides usarlo, trae el plan de vigilancia, quién responde, cada cuánto se reentrena y un chequeo de si las entradas cambian.

En la etapa de la decisión simulas cambios con tus costos usando solo las filas de entrenamiento, así que la prueba no se vuelve a abrir. Lo simulado informa tu decisión, pero no entra al cuaderno ni a la compuerta.

Si decides usarlo, guardas el ganador como un archivo que Probeta abre para puntuar filas nuevas y vigilar su desempeño. Lleva la cifra de su prueba, se reajusta solo con el entrenamiento y, salvo con vecinos más cercanos, no lleva filas tuyas.