Audita la equidad de un modelo de admisiones para una universidad chilena
Visión general
De qué trata este proyecto.
Audita un modelo de admisiones con Fairlearn, calcula sesgos por género y región, propón mitigaciones y obtén tu certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Auditar fairness de un modelo de admisiones por género y región y entregar dos mitigaciones evaluadas con tradeoffs.
Earning criteria — what you'll demonstrate
- Aplicar métricas formales de fairness más allá de accuracy global
- Razonar sobre tradeoffs entre demographic parity y equal opportunity
- Comunicar incertidumbre y limitaciones a una audiencia no técnica
- Practicar revisión cruzada como mecanismo de calidad en auditorías
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Learning in Practice
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador/a de Seguridad en IA
Auditar fairness en un contexto de alto impacto social es el proyecto representativo de quien empieza en AI safety aplicada.
Este proyecto afina
- fairness-in-practice
- bias-auditing
- demographic-parity
Arquitecto/a de Soluciones de IA
Comunicar tradeoffs éticos a una comisión es la habilidad transversal que distingue al rol.
Este proyecto afina
- stakeholder-communication
- fairness-in-practice
- bias-auditing
Científico/a de IA Aplicada
Traducir métricas de fairness en una recomendación binaria a la dirección define al rol.
Este proyecto afina
- fairness-in-practice
- equal-opportunity
- bias-auditing