Diseño de sistemas de aprendizaje automático

Índice

Símbolos

• 1NF (primera forma normal), Modelo relacional
• 2NF (segunda forma normal), Modelo relacional

A

• Pruebas A/B, PruebasA/B-Pruebas A/B, Bandidos
• métricas relacionadas con la precisión, Monitoreo de las métricas relacionadas con la precisión
• ACID (atomicidad, consistencia, aislamiento, durabilidad), Procesamiento Transaccional y Analítico
• aprendizaje activo, Aprendizajeactivo-Aprendizaje activo
• Análisis ad hoc, Seguimiento de experimentos
• adaptabilidad, Adaptabilidad
• Ataques adversarios, Desafío de evaluación
• Aumento adversarial, Perturbación
• IA (inteligencia artificial), ética, IA responsable, Descubrirlas fuentes de los sesgos del modelo -Descubrirlas fuentes de los sesgos del modelo
  • limitaciones del enfoque basado en datos, Comprender las limitaciones del enfoque basado en datos
  • irresponsable, casos prácticos, IA irresponsable: casos prácticos-Casopráctico II: El peligro de los datos "anonimizados
  • mitigar los sesgos, Establecer procesos para mitigar los sesgos
  • tarjetasmodelo, Crear tarjetasmodelo-Crear tarjetas modelo
  • compensaciones, Comprender las compensaciones entre diferentes desideratas
• Airflow, Gestióndel flujode trabajo de la cienciade datos-Gestión del flujo de trabajo de la ciencia de datos
• Fatiga por alertas, Funciones de monitoreo, Alertas
• políticas de alerta, Alertas
• algoritmos
  • Algoritmos bandit,Bandits-Bandits contextualescomo estrategia de exploración
  • aprendizaje continuo y, Desafíodel algoritmo-Desafío del algoritmo
  • importancia de las características, Importancia de las características ...