Auditoría de datos

Gestión responsable de datos en AI

Maria Prokofieva

Lead ML engineer

Qué veremos

  • Auditoría de datos
  • Validación de datos
  • Estrategias de mitigación de sesgos

Auditoría de datos

Gestión responsable de datos en AI

Auditoría de datos

  • Revisión completa de datos a lo largo del ciclo de vida

  • Revisa su estado técnico y responsable

  • Se hace tras un cambio mayor del proyecto

  • Documentación actualizada para la auditoría

flujo del modelo

Gestión responsable de datos en AI

Realizar auditorías de datos

  • Se hace con frecuencia
  • Evita introducir problemas sin querer
  • Evita complicaciones y errores amplificados
  • Mantén transparencia y responsabilidad
  • Genera confianza

Personas de negocios con lupa ante gráficos, ilustración vectorial

Gestión responsable de datos en AI

Asesor financiero con IA

  • Perfil de comportamiento y objetivos del plan
  • Diseña una estrategia
  • Alinea objetivos con productos de inversión
  • Crea la cartera de inversión

asesor financiero

Fuentes de datos:

  • Datos de usuario del chat y cargas
  • Datos externos en tiempo real e históricos (Bloomberg)
1 Imagen de Streamline HQ
Gestión responsable de datos en AI

Fuentes de datos del proyecto

  • Datos aportados por el usuario
  • Datos externos de API

fuentes de datos

1 Imagen de Streamline HQ
Gestión responsable de datos en AI

Configuración de la auditoría de datos

Usa el Plan de Gestión de Datos:

  • Detalles de los datos
  • Frecuencia de auditoría
  • Pruebas requeridas
  • Miembros del equipo asignados

plan de auditoría de datos

1 Imagen de Streamline HQ
Gestión responsable de datos en AI

Calendario de auditorías de datos

  • Exploración inicial
  • Auditorías periódicas en preprocesado y modelado
  • Cualquier cambio sustancial en los datos

calendario de auditorías

1 Imagen de Streamline HQ
Gestión responsable de datos en AI

Auditorías continuas de datos

  • Monitorización continua y periódica
  • Calidad de datos y cumplimiento
  • Rendimiento del modelo y métricas de equidad
  • Uso y almacenamiento de datos
  • Seguridad y escalabilidad

Empleados monitorizando

Gestión responsable de datos en AI

Deriva del modelo

  • El modelo puede perder precisión con el tiempo
  • Cambios sociales, del mercado o de variables subyacentes
  • Detecta drift registrando predicciones y evaluando métricas
  • Alerta si se supera el umbral
  • Corrige con nuevos datos o reentrenando el modelo
Gestión responsable de datos en AI

Auditorías de datos del asesor financiero de IA

  • Exploración inicial de datos
  • Preprocesado con transformaciones y limpieza
  • Modelado con evaluación de equidad
  • Auditoría previa al despliegue
  • Monitorización continua

auditorías de datos en el proyecto

1 Imagen de Streamline HQ
Gestión responsable de datos en AI

¡Vamos a practicar!

Gestión responsable de datos en AI

Preparing Video For Download...