Explicar con alcance
Coeficientes, permutation importance, PDP y SHAP describen relaciones del modelo bajo supuestos distintos. Una explicación predictiva no prueba qué ocurriría al intervenir.
Módulo 13 · Unidad IV
Interpretabilidad, equidad y ciclo de vida
Evaluar explicaciones, equidad, privacidad, causalidad, monitoreo y gobernanza durante todo el ciclo analítico.
Dedicación2 encuentros
RequisitosMódulos 06, 08 y 09
Centro del módulo
Índice interactivo
Abrí cada recurso y marcá el avance. El estado se conserva en tu navegador.
| Recurso | Acceso |
|---|---|
| Guía del módulo | Abrir recurso |
| Simulación interactiva | Abrir recurso |
| Cuestionario | Abrir recurso |
| Glosario | Abrir recurso |
| Notebook en Colab | Abrir recurso |
Al completar el módulo
Resultados de aprendizaje
- Distinguir explicación global, local y causal.
- Medir desempeño y errores por grupos relevantes.
- Documentar datos, modelo, usos previstos y límites.
- Diseñar monitoreo de calidad, drift, valor y daño.
Marco conceptual
Ideas que organizan la práctica
Equidad como decisión
Comparar tasas de error, selección y calibración por grupo revela impactos. Algunas definiciones son incompatibles cuando las tasas base difieren; elegir requiere contexto normativo y operativo.
Experimentación y causalidad
Una prueba A/B aleatorizada estima efectos de una intervención bajo cumplimiento y medición adecuados. Los modelos predictivos ordenan riesgo, pero no necesariamente efecto de tratamiento.
Operación y gobernanza
Data cards, model cards, registro de experimentos, pruebas, monitoreo de drift y planes de respuesta convierten un modelo en un sistema gobernable.
Nivel profesional
Profundización aplicada
Estos temas conectan el fundamento con decisiones modernas, evaluación rigurosa y operación real.
NIST AI RMF, model/system cards, registros de riesgo e incidentes.
Gobernanza de IA generativa: procedencia, evaluación previa, seguridad y supervisión.
MLOps/LLMOps: drift, calidad, valor, daño, alertas y planes de respuesta.
Control de calidad
Errores frecuentes que invalidan la conclusión
- Reducir responsabilidad a una única métrica de equidad.
- Monitorear datos sin observar valor, daño ni cambios de proceso.
- Declarar supervisión humana sin autoridad ni tiempo real para intervenir.
Caso de negocio
Decidir con contexto
Un modelo prioriza solicitudes para revisión. La organización debe medir errores por grupo, explicar casos, registrar cambios y definir apelación.
Explorar en la simulaciónPráctica guiada
Secuencia de laboratorio
- 01Identificar partes afectadas y daños plausibles.
- 02Comparar métricas globales y segmentadas.
- 03Generar una explicación global y una local con límites.
- 04Diseñar indicadores, alertas y responsable de respuesta.
Desafío de transferencia
Tomar una decisión defendible
Construí un registro de riesgos con dueño, indicador, umbral, respuesta y evidencia de cierre.
- Escribí una hipótesis antes de calcular.
- Definí la evidencia que podría refutarla.
- Compará al menos dos escenarios.
- Terminá con acción, límite y responsable.
Producto del módulo
Entregable esperado
Ficha de modelo con propósito, métricas globales y por grupo, explicación, riesgos, monitoreo y protocolo de intervención humana.