01
Decidir si un sistema está listo
Definir umbrales de calidad, riesgo, costo y cobertura antes de autorizar un piloto o despliegue.
Inscripciones próximamenteIA confiable y evaluaciónOnline en vivo
Evaluación y Confiabilidad de Sistemas de IA
Mide incertidumbre, calidad, calibración y riesgo para decidir cuándo un sistema de IA es suficientemente confiable para operar.
Avísame cuando abra
Próxima edición
Por anunciar
Registra tu interés sin pago ni compromiso
Publicaremos la fecha y las condiciones antes de abrir cualquier inscripción pagada.
Ciclo de confianza
01
Definir
Riesgo, tolerancias y criterios de aceptación.
02
Evaluar
Datos, métricas, incertidumbre y fallas.
03
Operar
Monitoreo, alertas e intervención.
Una respuesta convincente no demuestra que un sistema sea correcto, calibrado ni seguro para la decisión que debe apoyar.
Fechas
Fecha por anunciar
Horario
Horario por anunciar
Duración
Programa avanzado · formato por anunciar
Inversión
Valor por anunciar · Valor internacional por anunciar
Respaldo académico
Programa diseñado y operado por Academia Bayes.
Modalidad
Clases online en vivo con fechas y horario informados.
Aula y materiales
Acceso privado a enlaces, materiales y grabaciones cuando la edición las incluya.
Certificación
Certificado según las condiciones de participación de la edición.
Confiabilidad
Evaluar para decidir, no solo para reportar métricas.
El programa conecta estadística, experimentación y operación para determinar qué puede hacer un sistema, dónde falla y cuándo debe detenerse.
02
Evaluar RAG y agentes
Separar recuperación, groundedness, respuesta, uso de herramientas y trayectoria para localizar fallas reales.
03
Cuantificar incertidumbre
Usar calibración, intervalos, abstención y análisis por segmentos para evitar confianza injustificada.
04
Monitorear después del despliegue
Detectar cambios de datos, calidad, costo, latencia, sesgo o comportamiento mediante alertas accionables.
Contenido previsto
De la incertidumbre a una decisión operativa
Seis bloques para convertir métricas, pruebas y monitoreo en evidencia útil para equipos técnicos y responsables de negocio.
Pensado para
Data Scientists, ML Engineers y AI Engineers que necesitan evaluar sistemas más allá de una métrica promedio.
Profesionales de validación, riesgo, auditoría o gobierno responsables de revisar evidencia y controles.
Equipos que operan modelos predictivos, RAG o agentes y necesitan criterios de aceptación y monitoreo.
Qué significa que un sistema sea confiable
Tarea, población, riesgo, tolerancia al error, utilidad, límites y criterios de aceptación.
Incertidumbre, calibración e intervalos
Probabilidades, cobertura, abstención, intervalos y comunicación responsable de incertidumbre.
Diseño de evaluación reproducible
Datasets, muestreo, segmentos, anotación, baselines, pruebas ciegas y trazabilidad de versiones.
Métricas para LLM, RAG y agentes
Exactitud, groundedness, recuperación, trayectoria, uso de herramientas, seguridad, costo y latencia.
Experimentación, sesgos y análisis de fallas
Pruebas controladas, significancia práctica, taxonomías de error y evaluación por grupos relevantes.
Monitoreo y decisión operativa
Alertas, revisión humana, incidentes, recalibración, rollback y documentación para comités técnicos.
Enfoque profesional
La confiabilidad debe poder demostrarse
Cada conclusión necesita datos representativos, criterios previos, trazabilidad y una acción definida frente a resultados adversos.
Criterios de aceptación definidos antes de observar el resultado.
Evaluaciones segmentadas y versiones reproducibles.
Revisión humana donde el impacto o la incertidumbre lo exijan.
Monitoreo conectado con acciones, responsables y plazos.
Resultado esperado
Diseñar una evaluación reproducible para modelos y sistemas de IA.
Interpretar incertidumbre, calibración y diferencias entre segmentos.
Diagnosticar fallas de recuperación, generación o uso de herramientas.
Definir monitoreo, alertas y criterios de intervención.
Próximo lanzamiento
Recibe la fecha y el programa antes de la apertura.
Déjanos tus datos sin pago ni compromiso. Te enviaremos la información cuando el calendario y las condiciones estén confirmados.
Preguntas frecuentes
Antes de inscribirte
El registro de interés es gratuito. Publicaremos la fecha y las condiciones antes de habilitar cualquier pago.
¿Ya hay fecha y precio?
Todavía no. Publicaremos fecha, horario, formato y valor antes de abrir inscripciones. Puedes dejar tus datos sin pago para recibir el anuncio.
¿Dejar mis datos implica pagar?
No. El registro solo nos permite avisarte cuando publiquemos la fecha y las condiciones. No genera un cobro ni reserva pagada.
¿Qué conocimientos previos necesito?
Recomendamos experiencia construyendo o validando modelos, aplicaciones con LLMs, RAG o agentes. No será un curso introductorio de estadística ni de prompting.
¿Forma parte de la especialización actual?
No forma parte del precio ni de los seis cursos de la especialización actual. Está diseñado como una continuación avanzada y podrá contratarse por separado cuando se publique.