#7 Reflexiones de abril

El difícil equilibrio entre anonimato e información.

A veces no somos del todo conscientes de los posibles riesgos que supone exponer información delicada (como los datos de pacientes en un hospital). Solo nos centramos en los resultados o en extraer conclusiones. Es decir, quieres ver el bosque y te olvidas de los árboles.

Gracias a Judith Sáinz-Pardo y Álvaro López por desarrollar pyCANON, una librería de Python, y recordarnos la importancia del anonimato de datos.

¿Quieres conocer todas las herramientas disponibles para Data Science?

Sería una tarea ingente y poco realista. Es mejor comenzar poco a poco y aprender a dominarlas. Conocer sus fortalezas y debilidades para extraer su máximo potencial. No quieras abarcar demasiado. Puede resultar abrumador.

Comparto este artículo con 5 herramientas para iniciarse: TensorFlow, Matlab, Tableau, Excel y BigML.

Que personas responsables de la IA reclamen legislación es una señal de alerta.

Me parece que solo tiene dos interpretaciones posibles: que les dan miedo los alcances morales que tiene detrás. O que quieren protegerse ante incidencias. Lo que está claro es que hace falta un debate profundo como sociedad, y que las leyes no deben ir por detrás de los avances, deben adelantarse a ellos.

Dilemas éticos/judiciales del machine learning.

Uno de los mayores desafíos es la opacidad de la toma de decisiones de un algoritmo. En algunos casos ni siquiera podemos comprender por qué ha tomado una decisión. ¿Son los datos que aportamos los que presentan sesgos o es la programación?