Machine Learning Avanzado · Semana 2

De qué iba

Me tocó la participación principal del Grupo 10. Ordené las cuatro familias de algoritmos por el tipo de salida y por si hay etiquetas de por medio, y bajé cada una a ejemplos concretos: regresión logística para credit scoring, Random Forest en fraude financiero, SVM en biometría, KNN en recomendación. Después repliqué a otro grupo discutiendo el trade-off entre interpretabilidad y precisión, porque en Colombia una entidad vigilada por la Superfinanciera tiene que poder explicarle a un deudor por qué le negaron el crédito. Cerré el foro comentando el aporte de un tercer grupo sobre sesgo histórico en los datos y la Ley 1581 de 2012.

Escribí la participación principal del equipo con las tres preguntas orientadoras resueltas y referencias en APA 7
Repliqué al Grupo 11 aportando el argumento regulatorio: una caja negra da mejores métricas en el papel pero no pasa la revisión de la Superfinanciera
Redacté la conclusión del foro respondiendo al Grupo 2, conectando su ejemplo de clasificador de crédito sesgado por barrios con el Habeas Data colombiano
Tuve que presentar el quiz de punto extra dos veces

Lo que costó. El punto extra no me salió a la primera y tuve que repetirlo. Las preguntas del segundo intento no fueron las mismas que había preparado, así que dejé anotado aparte ese segundo pliego y lo resolví en tres minutos.