En el aprendizaje automático, la calidad de los datos no solo afecta el rendimiento de los modelos sino a la objetividad de la toma de decisiones. Esta suerte de “justicia social” ha de ser tenida en consideración en los modelos de IA que se aplican en los procesos de gestión de RR.HH. para no perpetuar sesgos, exacerbar desigualdades y marginar a colectivos desfavorecidos. Este webinar IA+Igual explora la idea de que la calidad y no la cantidad de los datos es la variable que puede ayudar a construir algoritmos más equitativos, libres de prejuicios y con potencial para promover la igualdad de oportunidades.
- Fecha: 8 de abril.
- Hora: 13.00 h.
¿Qué aprenderás en este webinar?
- Calidad y cantidad de los datos: Cómo la relevancia de los datos afecta la precisión y la equidad en los modelos de aprendizaje automático.
- Datos sintéticos: Cómo generar y usar datos sintéticos para mejorar la representación de colectivos infrarrepresentados.
- Impacto de los sesgos en los datos: Identificación y mitigación de sesgos en conjuntos de datos, con ejemplos prácticos.
- Casos de estudio: Cómo mejorar la calidad de los datos ha permitido construir sistemas que promueven la igualdad de oportunidades.
- Hacia un aprendizaje automático responsable: Prácticas clave para desarrollar modelos que beneficien a todos los segmentos de la sociedad.
Ponentes:
- Virginia Carcedo, secretaria general de Fundación ONCE.
- Alberto García, PhD Fellow in Responsible Machine Learning en Universidad de Navarra.
