- Este evento ha pasado.
Coloquio IIMAS
Resumen
La evaluación del aprendizaje automático suele basarse en una medida promedio de éxito, como la precisión. Este tipo de evaluación presenta varios inconvenientes: (1) el modelo funciona bien para casos sencillos, pero mal para casos difíciles, y la distribución real suele ser desconocida; (2) se asume que todos los errores tienen el mismo impacto, lo cual casi nunca es cierto; y (3) optimizar el éxito no minimiza los errores críticos. En esta presentación, analizamos estos problemas y ofrecemos algunas soluciones para abordarlos.
Ponente
Ricardo Baeza-Yates, KTH, UPF & Uchile
Bio:
Ricardo Baeza-Yates es Científico Jefe de Búsqueda en You.com en San Francisco, además de Profesor a tiempo parcial en el Real Instituto de Tecnología KTH de Estocolmo, la Universidad Pompeu Fabra de Barcelona y la Universidad de Chile en Santiago. Anteriormente, fue Director de Investigación en el Instituto de IA Experimental de la Universidad Northeastern en su campus de Silicon Valley (2021-2025) y Vicepresidente de Investigación en Yahoo Labs, primero en Barcelona,España, y luego en Sunnyvale, California (2006-2016). Es un experto mundial en IA responsable y miembro de comités de tecnología de IA en GPAI/OCDE, ACM e IEEE. Es coautor del exitoso libro de texto Modern Information Retrieval, publicado por Addison-Wesley en 1999 y 2011 (2.ª edición), que ganó el premio ASIST al Libro del Año 2012. En 2009 fue nombrado ACM Fellow y en 2011 IEEE Fellow. Ha recibido premios científicos nacionales en Chile (2024) y España (2018), entre otros galardones y distinciones. Se doctoró en Ciencias de la Computación por la Universidad de Waterloo, Canadá, y sus áreas de especialización son la IA responsable, la búsqueda web y la minería de datos, además de la ciencia de datos y los algoritmos en general.