curso de_
Ética en Inteligencia Artificial: mitigando sesgos y garantizando la transparencia
Es parte de los cursos de IA para Negocios en Inteligencia Artificial.
Discusiones sobre este curso
Resumen del curso
- Identificar y analizar los sesgos algorítmicos en diversas etapas del desarrollo de la IA.
- Aplicar técnicas prácticas para mitigar el sesgo y promover una mayor equidad en los modelos.
- Comprender las implicaciones éticas de la IA y tomar decisiones más responsables en proyectos del mundo real.
- Utilizar conceptos de explicabilidad e interpretabilidad para hacer que los modelos sean más transparentes.
- Vincular las prácticas de IA responsable con requisitos normativos como la LGPD y la AI Act.
- Estructurar procesos de monitoreo y gestión de riesgos para sistemas inteligentes.
- Desarrollar soluciones de IA más fiables, auditables y alineadas con principios éticos.
Público Objetivo
Profesionales de IA, datos, TI, gobernanza y cumplimiento, así como directivos que buscan implementar, auditar o consolidar políticas de gobernanza de la IA en sus organizaciones.
Contenido relacionado
Cursos de IA para Negocios en Inteligencia Artificial. Lea nuestros artículos de Inteligencia Artificial.
Última actualización
9/18/2026
¿Ya eres alumno?
6h
p/ conclusión
46
Actividades
163
Minutos de video
0
Alumnos en este curso
0
Nota del curso
Certificado de participación
Instructores
Contenido Detallado
1. Fundamentos de ética aplicada a la IA
- Presentacion
- Principios éticos fundamentales
- Ética en IA
- Justicia algorítmica e impacto social
- Equilibrando el compromiso y el bienestar en WaveCast
- Explicabilidad y transparencia
- Explicabilidad en decisiones de crédito en UseDev
- Ética aplicada: dilemas reales de la IA
- Para saber más: equidad algorítmica, desafíos y enfoques
- ¿Qué aprendimos?
2. Sesgos algorítmicos: identificación y mitigación
- Tipos de sesgos en la IA
- Para saber más: sesgo algorítmico
- Cómo identificar sesgos
- Identificando sesgos en recomendaciones de viaje
- Estrategias de mitigación
- Mitigando sesgos en la recomendación de libros
- Casos emblemáticos de sesgo algorítmico
- Para saber más: enriquecimiento de datos para mitigar sesgos
- ¿Qué aprendimos?
3. Regulación y cumplimiento normativo en IA
- La LGPD y su impacto en los sistemas de IA
- Para saber más: entorno regulatorio
- Frameworks internacionales
- Para saber más: cómo traducir los principios éticos en controles operativos
- Consentimiento e interés legítimo en TRATOTECH
- Ley de IA y las regulaciones globales
- Gestión de riesgos en Listin
- Evaluación de impacto algorítmico
- ¿Qué aprendimos?
4. Gestión de riesgos algorítmicos
- Tipos de riesgos en la IA
- Para saber más: riesgos algorítmicos
- Evaluación y monitoreo continuo
- Para saber más: riesgos de seguridad en la IA
- Garantizar la equidad y la libertad de sesgos en Playcatch
- Procesos de gobernanza para la IA
- Adopción práctica: cómo implementar controles
- Garantizando la seguridad y la eficiencia en HomeHub
- ¿Qué aprendimos?
5. Transparencia, uso responsable y casos prácticos
- Requisitos de transparencia para la IA
- Transparencia en la plataforma Jornada Millas
- Buenas prácticas de IA responsable
- Gestión responsable de contactos
- Análisis de casos reales
- Para saber más: análisis de casos reales en gobernanza de IA
- Tendencias futuras y próximos desafíos
- Conclusion
- ¿Qué aprendimos?
Acceso a todos los cursos
Estudiar las 24 horas, dónde y cuándo quieras
Nuevos cursos cada semana