Drift(Deriva)Por qué pierden rendimiento modelos de aprendizaje automático.

Como sucede con otros sistemas de información, los sistemas fundamentados en inteligencia artificial requieren mantenimiento y evolutivos. A diferencia de ellos, no se trata solo de mantener o evolucionar el código, sino también dos componentes fundamentales en este tipo de sistemas: los datos y los modelos.

Los modelos creados a partir de técnicas de aprendizaje automático se caracterizan por tener una caducidad inherente: su rendimiento, en el sentido más amplio de la palabra, se degrada con el paso del tiempo. No sólo pierden, por ejemplo, precisión en sus predicciones, sino que la deriva del modelo puede afectar, por ejemplo, a su Equidad.

En esta charla discutiremos porque los modelos se degradan e introduciremos el concepto de la deriva, cuya detección y gestión nos permite determinar por qué pierde rendimiento nuestro modelo y qué podemos hacer en dicho caso.

Objetivos de aprendizaje

• Conozca las razones prácticas de negocio que aconsejan crear una práctica de IA responsable en su organización.
• Identifique los estándares, leyes y marcos metodológicos de referencia a la hora de adoptar una práctica de IA responsable.
• Averigüe cómo están evolucionando los roles existentes en las empresas para incorporar una IA responsable.
• Visualice el conjunto de herramientas y tecnologías disponibles para introducir una práctica de IA responsable en todas las etapas del ciclo de vida de una iniciativa de aprendizaje automático.

Dirigido a

• • Directores de Datos, de Información o Técnicos, responsables de áreas o equipos de Inteligencia Artificial que deseen tener una visión práctica y actualizada sobre la IA Responsable.
  • Emprendedores impulsando startups o scale-ups que ofrecen productos o servicios basados en inteligencia artificial.
  • Directivos que buscan adquirir, desarrollar o interactuar con sistemas de IA.
  • Ingenieros y científicos de datos que diseñan, construyen o mantienen sistemas de aprendizaje automático.
  • Gerentes de Producto o de Proyecto involucrados en cualquier etapa del ciclo de vida de un sistema de IA.

Ponentes

Josep Curto Diaz

Mario Lopez de Avila Muñoz