Machine learning e inteligencia artificial

Abstract

Con este resumen abordamos una amplia gama de temáticas fundamentales en inteligencia artificial (IA) y aprendizaje automático (ML). Se abarcan desde la evaluación detallada de modelos hasta la esfera de la innovación tecnológica, enfatizando la crucial importancia de aplicar fundamentos sólidos y contemplar consideraciones éticas en este ámbito en constante evolución. A través de un ejemplo práctico de aprendizaje supervisado, donde se implementa la clasificación de especies en el conjunto de datos de Iris, se demuestra la aplicación concreta de estos conceptos en escenarios del mundo real. Asimismo, se resalta la necesidad imperante de fortalecer y mejorar continuamente el código, así como de profundizar en la comprensión del rendimiento del modelo para garantizar resultados confiables. El análisis contrafactual se presenta como una herramienta teórica valiosa para evaluar el impacto potencial de cambios estratégicos. No obstante, en todo este proceso, se subraya de manera crucial la ética en la inteligencia artificial, destacando la responsabilidad intrínseca en el diseño y desarrollo tecnológico para asegurar un enfoque ético y sostenible en la era de la IA.