Gestión de Riesgos en Modelos de IA - Estimación de Confianza en Clasificadores de Aprendizaje Automático

Resumen

Programa

• Introducción a la Gestión de Riesgos en IA
Visión General del Riesgo en la Toma de Decisiones de IA
Importancia de la Estimación de Confianza
• Fundamentos de los Clasificadores de Aprendizaje Automático
Tipos de Clasificadores
Límites de Decisión y Margen
• Comprensión de la Estimación de Confianza
Definición y Propósito
Técnicas Comunes para la Estimación de Confianza
• Propiedades Geométricas de los Datos de Entrenamiento
Geometría en Espacios de Alta Dimensión
Distribución de Datos y su Impacto
• Técnicas para la Predicción de Confianza
Métodos Probabilísticos
Métodos de Ensamble y Bootstrap
Enfoques Bayesianos
• Evaluación de la Certidumbre del Clasificador
Métricas y Métodos de Evaluación
Visualización de Confianza
• Gestión del Riesgo en Sistemas de IA
Establecimiento de Umbrales y Estrategias de Decisión
Equilibrio entre Precisión y Recuperación
• Estudios de Caso y Aplicaciones
Ejemplos del Mundo Real de Estimación de Confianza
Aplicaciones Industriales y Mejores Prácticas
• Consideraciones Éticas en la Gestión de Riesgos
Sesgo e Imparcialidad
Transparencia en los Sistemas de IA
• Herramientas y Marcos para la Estimación de Confianza
Introducción a Software y Bibliotecas
Práctica con Herramientas Seleccionadas
• Tendencias Futuras y Desarrollos
Avances en la Estimación de Confianza
Riesgos Emergentes en Sistemas de IA
• Proyecto Final y Evaluación
Diseño e Implementación de un Módulo de Estimación de Confianza
Revisión por Pares y Retroalimentación
• Resumen y Conclusión del Curso
Resumen de Conceptos Clave
Discusión sobre Rutas de Aprendizaje Futuro

---

Materias

Computer Science