CURSO DE LA NORMA INTERNACIONAL ISO/IEC 5259-2:2024 INTELIGENCIA ARTIFICIAL - CALIDAD DE LOS DATOS PARA EL ANÁLISIS DE DATOS Y EL APRENDIZAJE AUTOMÁTICO - PARTE 2: MEDIDAS DE LA CALIDAD DE LOS DATOS.

OBJETIVO DEL CURSO.

Conocer, comprender y aplicar el modelo de calidad de los datos, medidas de calidad y orientación sobre el informe de la calidad de los datos en el contexto del análisis de datos y del aprendizaje automático como se especifica en la Norma Internacional ISO/IEC 5259-2:2024 Inteligencia artificial - Calidad de los datos para el análisis de datos y el aprendizaje automático - Parte 2: Medidas de calidad de los datos.

Nota 1: el análisis de datos es un concepto compuesto que consiste de la adquisición de datos, la recopilación de datos, la validación de datos, el procesamiento de datos, incluyendo la cuantificación de datos, la visualización de datos, así como la documentación y la interpretación de datos.

Nota 2: El análisis de datos se utiliza para la comprender objetos o eventos representados por datos, para hacer predicciones para una situación dada y para recomendar pasos para lograr objetivos. Las perspectivas obtenidas del análisis de datos se utilizan para varios propósitos tales como la toma de decisiones, la investigación, el desarrollo sostenible, diseño y planificación.

Nota 3: los datos son la materia prima para el análisis de datos y el aprendizaje automático. El objetivo de la serie ISO/IEC 5259 es proporcionar herramientas y métodos para evaluar y mejorar la calidad de los datos utilizadas en el análisis de datos y el aprendizaje automático.

Nota 4: los datos apoyan la toma de decisiones y traen consigo nuevos desafíos para la gestión de la calidad de los datos en el análisis de datos y en la inteligencia artificial basada en el aprendizaje automático. Aspectos en la calidad de los datos tales como que estén incompletos, que sean falsos o que estén desactualizados, pueden afectar adversamente a los procesos y a los resultados del análisis de datos y del aprendizaje automático. Datos de diferentes fuentes, incluyendo datos estructurados (por ejemplo, bases de datos relacionales) y datos no estructurados (por ejemplo, documentos, imágenes, audios) pueden consumirse directamente en ciclo de vida de los datos para el desarrollo de modelos para el análisis de datos y el aprendizaje automático.

Nota 5: Un enfoque holístico estandarizado para controlar, producir y proporcionar datos de suficiente alta calidad es necesario para los modelos del análisis de datos y del aprendizaje automático para que sean seguros, confiables e interoperables.

DURACIÓN DEL CURSO: 24 horas.

TEMARIO DEL CURSO.

El temario del curso es el siguiente:

Introducción.

Objeto y campo de aplicación.
Referencias normativas.
Términos y definiciones.
Símbolos y términos abreviados.
Componentes de la calidad de los datos y modelos de calidad de los datos para el análisis de datos y el aprendizaje automático.
1. Componentes de la calidad de los datos en el ciclo de vida de los datos.
2. Modelo de calidad de los datos.
Características de calidad de los datos y medidas de calidad.
1. Generalidades.
2. Características inherentes de la calidad de los datos.
  1. Exactitud.
    1. Generalidades.
    2. Medidas de la calidad para la exactitud.
  2. Integridad.
    1. Generalidades.
    2. Medidas de la calidad para la integridad.
  3. Coherencia.
    1. Generalidades.
    2. Medidas de la calidad para la coherencia.
  4. Credibilidad.
    1. Generalidades.
    2. Medidas de la calidad para la credibilidad.
  5. Actualidad.
    1. Generalidades.
    2. Medidas de la calidad para la actualidad.
3. Características inherentes de la calidad de los datos dependientes del sistema.
  1. Accesibilidad.
    1. Generalidades.
    2. Medidas de la calidad para la accesibilidad.
  2. Cumplimiento.
    1. Generalidades.
    2. Medidas de la calidad para el cumplimiento.
  3. Eficiencia.
    1. Generalidades.
    2. Medidas de la calidad para la eficiencia.
  4. Precisión.
    1. Generalidades.
    2. Medidas de la calidad para la precisión.
  5. Trazabilidad.
    1. Generalidades.
    2. Medidas de la calidad para la trazabilidad.
  6. Comprensión.
    1. Generalidades.
    2. Medidas de la calidad para la comprensión.
4. Características de la calidad de los datos dependientes del sistema.
  1. Disponibilidad.
    1. Generalidades.
    2. Medidas de la calidad para la disponibilidad.
  2. Portabilidad.
    1. Generalidades.
    2. Medidas de la calidad para la portabilidad.
  3. Recuperabilidad.
    1. Generalidades.
    2. Medidas de la calidad para la recuperabilidad.
5. Características adicionales de la calidad de los datos .
  1. Auditabilidad.
    1. Generalidades.
    2. Medidas de la calidad para la auditabilidad.
  2. Equilibrio.
    1. Generalidades.
    2. Medidas de la calidad para el equilibrio.
  3. Diversidad.
    1. Generalidades.
    2. Medidas de la calidad para la diversidad.
  4. Eficacia.
    1. Generalidades.
    2. Medidas de la calidad para la eficacia.
  5. Identificabilidad.
    1. Generalidades.
    2. Medidas de la calidad para la identificabilidad.
  6. Relevancia.
    1. Generalidades.
    2. Medidas de la calidad para la relevancia.
  7. Representatividad.
    1. Generalidades.
    2. Medidas de la calidad para la representatividad.
  8. Similitud.
    1. Generalidades.
    2. Medidas de la calidad para la similitud.
  9. Oportunidad.
    1. Generalidades.
    2. Medidas de la calidad para la oportunidad.
Implementación de un modelo de calidad de los datos y medidas de calidad de los datos para una tarea de análisis de datos o aprendizaje automático.
Informe de la calidad de los datos.
1. Marco de referencia del informe de la calidad de los datos.
2. Información de las mediciones de calidad de los datos.
3. Orientación para las organizaciones.
Anexo A Diseño y documentación de la función de medición.
Anexo B Modelo de aprendizaje no supervisado del marco de referencia de medición de la calidad de los datos.
Anexo C Visión general de las características de la calidad de los datos.
Anexo D Grupos alternativos de características de calidad de los datos.
Anexo E Comparación entre las características de calidad de los datos de ISO/IEC 25012 e ISO/IEC 5259-2.
Taller de ejercicios de interpretación y aplicación de la Norma Internacional ISO/IEC 5259-2:2024.

Regresar a los cursos de sistemas de gestión de inteligencia artificial.

Regresar a los cursos de sistemas de gestión.

Legales y aviso de privacidad

Teléfonos:
55-5643-1276, 55-5423-7329

Correo electrónico

Dirección:
Chinaco 78, Col. Colina del Sur, C. P. 01430, Ciudad de México, México.