5.7.4.23 Aprendizaje Automático III: Redes Neuronales y Ética (1 horas) [Habilidades AG-C02,AG-C08,AG-C12]

Referencias Bibliográficas: [Brookshear and Brylow, 2019b]

Temas

1. Redes neuronales básicas:
   1. Fundamentos de comprensión de cómo funcionan las redes neuronales y su proceso de entrenamiento, sin detalles de los cálculos
   2. Introducción básica a redes neuronales generativas (por ejemplo, modelos de lenguaje grandes)
2. ética para el Aprendizaje Automático:
   1. Enfocarse en datos reales, escenarios reales y estudios de caso
   2. Sesgo de conjunto de datos/algorítmico/de evaluación y consecuencias no deseadas

3. Aprendizaje profundo:
   1. Redes feed-forward profundas (solo intuición, sin matemáticas)
   2. Redes neuronales convolucionales (solo intuición, sin matemáticas)
   3. Visualización de representaciones de características aprendidas de redes profundas
   4. Otras arquitecturas (NN generativas, NN recurrentes, transformers, etc.)
4. ética para el Aprendizaje Automático:
   1. Continuar enfocándose en datos reales, escenarios reales y estudios de caso
   2. Privacidad
   3. Equidad
   4. Propiedad intelectual
   5. Explicabilidad

Aprendizaje esperado (Learning Outcomes)

1. Describir el proceso de entrenamiento de redes neuronales y las representaciones aprendidas resultantes [Explicar]
2. Visualizar el progreso del entrenamiento de una red neuronal a través de curvas de aprendizaje en un kit de herramientas establecido (por ejemplo, TensorBoard) y visualizar las características aprendidas de la red [Aplicar]

3. Dada una aplicación real de aprendizaje automático, describir problemas éticos respecto a las elecciones de datos, pasos de preprocesamiento, selección de algoritmo y visualización/presentación de resultados [Aplicar]