Programa
► SESION 1: INTRODUCCIÓN A LA AUDITORÍA DE MODELOS DE IA
– ¿Qué es auditar un modelo de IA?
– Tipos de auditoría: técnica, ética, regulatoria y operativa
– Ciclo de vida del modelo y puntos críticos de auditoría
► SESION 2: GOBERNANZA Y RESPONSABILIDAD EN PROYECTOS DE IA
– Principios éticos aplicados a IA (transparencia, justicia, explicabilidad, no maleficencia)
– Roles y responsabilidades en la auditoría: desarrolladores, auditores internos, compliance
– Marco de gobernanza de IA
► SESION 3: EVALUACIÓN DE LA CALIDAD DE LOS DATOS
– Auditoría del pipeline de datos: recolección, limpieza, etiquetado y muestreo
– Riesgos de sesgo en datos de entrenamiento
– Trazabilidad, versionamiento y documentación de datasets
► SESIÓN 4: TRANSPARENCIA Y EXPLICABILIDAD DEL MODELO
– Evaluación de la opacidad del modelo (cajas negras vs. cajas blancas)
– Herramientas para explicabilidad
– Documentación técnica: model cards, datasheets for datasets
► SESIÓN 5: VALIDACIÓN TÉCNICA DEL DESEMPEÑO DEL MODELO
– Métricas relevantes según el tipo de problema (clasificación, regresión, etc.)
– Validación cruzada y riesgo de overfitting
– Robustez, generalización y desempeño en producción
– Auditoría del código y reproducibilidad
► SESIÓN 6: EVALUACIÓN DE SESGOS Y EQUIDAD ALGORÍTMICA
– Tipos de sesgo: de representación, de medición, de selección, etc.
– Métricas de equidad (demographic parity, equalized odds, etc.)
– Técnicas para mitigación de sesgos antes, durante y después del modelado
► SESIÓN 7: CUMPLIMIENTO NORMATIVO Y REGULATORIO
– Regulaciones internacionales
– Consideraciones de privacidad y protección de datos personales
– Auditoría de cumplimiento y gestión de riesgos legales
► SESIÓN 8: TALLER DE AUDITORÍA APLICADA
– Análisis de un caso real o simulado de auditoría de un modelo de IA
– Revisión de documentación, código, métricas y datos
– Elaboración de un informe de auditoría
– Retroalimentación y discusión grupal
Sitio web empresa: https://www.uai.cl/postgrados