Audita un modelo de scoring crediticio buscando sesgos por región
Visión general
De qué trata este proyecto.
Audita un modelo de scoring crediticio buscando sesgos por región con Fairlearn y propón mitigaciones. Obtén tu certificado verificable.
El escenario
La fintech (Serie B, ~220 personas) opera bajo escrutinio regulatorio creciente en México y un fallo público de equidad costaría más en confianza que el beneficio del modelo.
El Briefing
Lo que harás y lo que demostrarás.
Auditar un modelo de scoring crediticio por región y entregar al comité de riesgo una recomendación clara con mitigaciones priorizadas.
Earning criteria — what you'll demonstrate
- Aplicar métricas de fairness reales (no solo accuracy) a un modelo en pre-producción
- Distinguir entre demographic parity y equalized odds en contexto financiero
- Comunicar trade-offs éticos a una audiencia de negocio
- Practicar la disciplina de pair-review para reducir errores en auditorías
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Learning (Undergraduate)
Bachelor · Machine Learning
Strong alignment
This challenge maps to Machine Learning (Undergraduate) at the Bachelor level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Fairness Metrics
Apply fairness metrics to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Bias Auditing
Apply bias auditing to solve real industry problems and demonstrate production-level capability.
- Demographic Parity
Apply demographic parity to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Model Interpretation
Apply model interpretation to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Investigador/a de Seguridad en IA
Auditar un modelo en pre-producción por equidad y entregar una recomendación priorizada es uno de los proyectos más representativos de quien empieza en AI safety aplicada en fintech.
Este proyecto afina
- fairness-metrics
- bias-auditing
- demographic-parity
Científico de Datos
Cortar métricas por subgrupo, interpretarlas y proponer mitigaciones es trabajo semanal de una persona senior en data science en una fintech regulada.
Este proyecto afina
- model-evaluation
- fairness-metrics
- python
Científico/a de IA Aplicada
Traducir métricas de fairness a una recomendación binaria (lanzar o no) es la habilidad central que distingue al rol de IA aplicada del de investigación.
Este proyecto afina
- bias-auditing
- model-interpretation
- fairness-metrics