You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
Un modelo de aprendizaje de maquina se entrena con el objetivo de optimizar una unica metrica, en la mayoria de los casos la precision. Esto significa que los modelos aprenden muy bien los patrones que se presentan en los datos de entrenamiento, incluyendo aquellos patrones que representan sesgos y prejuicios que estan desafortunadamente presente en la sociedad y por ende en los datos recopilados, en algunos casos incluso amplifican estos patrones negativos. Son varias la tecnicas que se han explorado para resolver este problema, algunas se enfocan en un preprocesamiento de los datos para eliminar aquellos elementos que puedan inducir un sesgo en el modelo, otras realizan variaciones en el metodo de entrenamiento con el mismo objetivo. Sin embargo permanece relativamente poco explorado el uso de tecnicas de optimizacion multiobjetivo que permitan al modelo optimizar hasta encontrar un buen balance entre cuan justo es y cuan preciso.
Otras asignaturas o investigación en los que impacte el proyecto
Este trabajo contribuye al Trabajo de Diploma en Ciencia de la Computación de Jorge Mederos Alvarado en Mitigación de sesgos con ensembles y optimización multiobjetivo, como parte del Grupo de Inteligencia Artificial de la facultad, tutoreado por los profesores Juan Pablo Consuegra Ayala y Alejandro Piad Morfis.
Aprobación
Estos elementos serán chequeados por los profesores de la asignatura para aprobar el proyecto.
El repositorio indicado existe
El documento de reporte existe, y tiene la estructura inicial (nombre del proyecto, autores, breve descripción)
Los miembros del equipo tienen usuarios en Github y telegram debidamente identificados (avatar, nombre completo, y página de perfil)
El resumen describe una idea factible y de complejidad adecuada
El resumen describe una idea que impacta positivamente en otras asignatura o investigación
En caso de que algunas de las condiciones anteriores no se cumplan, en este issue les dejaremos todos los comentarios y discusiones necesarias para lograr la aprobación del proyecto.
Este issue será cerrado una vez se considere definitivamente aprobado o rechazado el proyecto, y se le pondrá la etiqueta correspondiente.
The text was updated successfully, but these errors were encountered:
Datos del proyecto
Nombre:: Mitigación de sesgos con ensembles y optimización multiobjetivo
Repositorio:
Reporte: report.pdf
Breve resumen
Un modelo de aprendizaje de maquina se entrena con el objetivo de optimizar una unica metrica, en la mayoria de los casos la precision. Esto significa que los modelos aprenden muy bien los patrones que se presentan en los datos de entrenamiento, incluyendo aquellos patrones que representan sesgos y prejuicios que estan desafortunadamente presente en la sociedad y por ende en los datos recopilados, en algunos casos incluso amplifican estos patrones negativos. Son varias la tecnicas que se han explorado para resolver este problema, algunas se enfocan en un preprocesamiento de los datos para eliminar aquellos elementos que puedan inducir un sesgo en el modelo, otras realizan variaciones en el metodo de entrenamiento con el mismo objetivo. Sin embargo permanece relativamente poco explorado el uso de tecnicas de optimizacion multiobjetivo que permitan al modelo optimizar hasta encontrar un buen balance entre cuan justo es y cuan preciso.
Miembros del equipo
Otras asignaturas o investigación en los que impacte el proyecto
Este trabajo contribuye al Trabajo de Diploma en Ciencia de la Computación de Jorge Mederos Alvarado en Mitigación de sesgos con ensembles y optimización multiobjetivo, como parte del Grupo de Inteligencia Artificial de la facultad, tutoreado por los profesores Juan Pablo Consuegra Ayala y Alejandro Piad Morfis.
Aprobación
En caso de que algunas de las condiciones anteriores no se cumplan, en este issue les dejaremos todos los comentarios y discusiones necesarias para lograr la aprobación del proyecto.
Este issue será cerrado una vez se considere definitivamente aprobado o rechazado el proyecto, y se le pondrá la etiqueta correspondiente.
The text was updated successfully, but these errors were encountered: