Abriendo las cajas negras de los modelos generados con inteligencia Artificial. ¿Es posible identificar sesgos?

Este taller se impartirá en español.

Debido al crecimiento exponencial del aprendizaje automático (Machine Learning) se han puesto en evidencia diferentes problemas relacionados con la representatividad de los datos respecto a los usuarios finales o la objetividad de la toma de decisiones. Se ha hablado de sesgos, de transparencia, de explicabilidad… pero ¿cómo se abordan todos estos aspectos cuando eres tú la que te dedicas a dar forma a los modelos de aprendizaje? 

En este taller haremos un recorrido por los casos más famosos relacionados con sesgos en el aprendizaje, aprenderemos en qué consiste ‘el ciclo del dato’, y se mostrarán técnicas y herramientas que nos ayudan a identificar parcial o totalmente (a nivel técnico) estos problemas relacionados con sesgos y falta de explicabilidad. 

Público al que va dirigido: 

• Profesores de primaria y secundaria. 
• Creadores de contenidos sobre Pensamiento Computacional, programación y robótica. 
• Interesados en conocer los fundamentos del Machine Learning de una manera sencilla. 

Imparte el taller: Nerea Luis Mingueza

REGÍSTRATE