Este taller se impartirá en español.

Debido al crecimiento exponencial del aprendizaje automático (Machine Learning) se han puesto en evidencia diferentes problemas relacionados con la representatividad de los datos respecto a los usuarios finales o la objetividad de la toma de decisiones. Se ha hablado de sesgos, de transparencia, de explicabilidad... pero ¿cómo se abordan todos estos aspectos cuando eres tú la que te dedicas a dar forma a los modelos de aprendizaje? 

En este taller haremos un recorrido por los casos más famosos relacionados con sesgos en el aprendizaje, aprenderemos en qué consiste 'el ciclo del dato', y se mostrarán técnicas y herramientas que nos ayudan a identificar parcial o totalmente (a nivel técnico) estos problemas relacionados con sesgos y falta de explicabilidad. 

Público al que va dirigido:

• Profesores de primaria y secundaria.
• Creadores de contenidos sobre Pensamiento Computacional, programación y robótica.
• Interesados en conocer los fundamentos del Machine Learning de una manera sencilla. 

Imparte el taller: Nerea Luis Mingueza

Nerea Luis es doctora en Ciencias de la Computación y trabaja como Ingeniera en Inteligencia Artificial en Sngular donde lidera proyectos relacionados con Machine Learning y Computer Vision, entre otros. Es una apasionada de la divulgación, la inteligencia artificial y la robótica. Nerea es Women Techmaker Scholar en 2016 por Google. En 2018 la Fundación COTEC la seleccionó como experta en Tecnología, Talento y Género dentro de su red ‘Los 100 de Cotec’. Ha sido ganadora del reconocimiento Innovadoras TIC por la Fundación Cibervoluntarios. En 2019, Nerea ha sido galardonada por la Casa Real con la condecoración a la Orden del Mérito Civil y también ha sido seleccionada dentro del Top 100 mujeres líderes en España en la categoría revelación. En 2020 ha sido incluida en el ranking de Future Leaders elaborado por LlyC y entre los 21 changemakers de Forbes España. https://nerealuis.es/