Aprende a auditar modelos de Machine Learning, identificar riesgos algorítmicos y evaluar su seguridad, explicabilidad, cumplimiento y confianza digital.
15 de octubre al 03 de noviembre / 26 de noviembre al 15 de diciembre
09:00 a 13:00
(32 h)
Online - 100% en vivo
Sobre el curso
Este curso entrega herramientas prácticas para auditar modelos de Machine Learning y evaluar implementaciones de inteligencia artificial desde una perspectiva ética, técnica, regulatoria y de confianza digital.
Mediante una metodología Learning by Doing, combina fundamentos conceptuales con talleres en Python, análisis de casos y la auditoría completa de un modelo de ML. El programa aborda riesgos como sesgos, opacidad, protección de datos y drift, junto con técnicas de explicabilidad, gobernanza y cumplimiento normativo.
El curso incluye:
▪ Material Digital del Curso
▪ Material de apoyo
▪ Diploma de Participación
Dirigido a auditores internos y externos, CISOs, DPOs, gerentes de Riesgo y Cumplimiento y profesionales de Data Science que busquen desarrollar capacidades para auditar sistemas inteligentes, evaluar riesgos algorítmicos y fortalecer la confianza en modelos de Machine Learning.
Se requiere una cuenta activa en ChatGPT . Además, se solicita manejo básico de Excel o Google Sheets y conocimientos generales de auditoría interna, TI o compliance.
Para las actividades online se requiere computador con conexión estable a internet, navegador actualizado, auriculares y micrófono.
Introducción a Jupyter Notebook y Google Colab; tipos y estructuras básicas de datos en Python; uso de pandas, numpy, scikit-learn y matplotlib; lectura y validación de datos; ejecución de scripts y buenas prácticas de trazabilidad.
Definiciones y riesgos asociados a IA, Machine Learning y Deep Learning; aprendizaje supervisado, no supervisado y por reforzamiento; pilares de la confianza digital; y casos de uso y riesgos asociados a auditoría interna.
Etapas de diseño, desarrollo, validación, implementación y monitoreo; controles y checklist de auditoría; riesgos técnicos, operativos y regulatorios; y herramientas de seguimiento y control.
Sesgos y equidad algorítmica; riesgos de data drift y concept drift; seguridad y protección de datos; cumplimiento de Ley 21.719, GDPR, AI Act y NIST AI RMF; y controles técnicos y organizativos.
Validación de datos de entrenamiento y prueba; métricas como precisión, recall, F1-score, AUC y fairness; técnicas de explicabilidad SHAP y LIME; herramientas como MLflow y Evidently AI; y ejercicios de análisis de métricas.
Principios de confianza digital aplicados a IA, integración de la auditoría de ML en frameworks de riesgo, trazabilidad y accountability, comunicación de hallazgos y transparencia hacia stakeholders.
Análisis de los casos Sistema Clínico Andino – Enfermedades Respiratorias y TecnoFIX – Reparaciones de Celulares, junto con una discusión guiada sobre riesgos, oportunidades y hallazgos de auditoría.
Auditoría completa de un modelo de Machine Learning, identificación de riesgos y brechas, elaboración del informe con hallazgos y recomendaciones, presentación de resultados y debate grupal.
Ciberseguridad, Auditoría, Datos e Inteligencia Artificial
Contáctanos para conocer los valores de nuestros cursos, así como la obtención descuentos exclusivos.
Fecha: 15 de octubre al 03 de noviembre / 26 de noviembre al 15 de diciembre
Horario: 09:00 a 13:00
(32 h)
Modalidad: Online - 100% en vivo
Idioma: Español
Cupos limitados
Nuestro equipo te asesorará para que elijas el curso que mejor se adapte a tus necesidades académicas.
05 al 15 de octubre
09:00 a 13:00
(32 h)
Online - 100% en vivo
Revisa las preguntas frecuentes o escríbenos directamente. Estaremos atentos a resolver cualquier duda que tengas.
Conversemos
