Cuestionario: IA responsable

7 preguntas conceptuales y situacionales con corrección inmediata, explicación y segundo intento.

01SHAP o permutation importance demuestran causalidad.

ASí BNo CSolo en árboles DSolo con test

02¿Por qué reportar métricas por grupo?

AUn promedio puede ocultar daños concentrados BPara eliminar test CPara duplicar filas DPara garantizar igualdad total

03¿Qué estima mejor un A/B test bien ejecutado?

AEfecto de una intervención asignada BSolo correlación histórica CLa cantidad de clusters DLa varianza del código

04¿Qué debería incluir una model card?

APropósito, métricas, usos y límites BSolo el nombre del algoritmo CCredenciales DCapturas sin contexto

05Detectar drift requiere monitorear:

ADatos y desempeño en el tiempo BSolo commits CÚnicamente entrenamiento DEl color del dashboard

06Supervisión humana efectiva significa:

AUna firma automática BCapacidad real de comprender, intervenir y escalar COcultar el puntaje DNo registrar decisiones

07El desempeño global permanece estable, pero crecen los falsos negativos en un grupo. ¿Qué debe ocurrir?

AIgnorar porque el promedio no cambió BActivar investigación y respuesta por segmento CEliminar el monitoreo DSubir el umbral para todos sin análisis

Resultado 0 / 7

Revisar glosario

Ciencia de Datos para Decisiones de Negocio

Material elaborado por el profesor Sergio Gevatschnaider.