{"version":"1.0","provider_name":"Observatorio Tecnol\u00f3gico de Hidalgo","provider_url":"https:\/\/otech.uaeh.edu.mx\/noti","author_name":"admin","author_url":"https:\/\/otech.uaeh.edu.mx\/noti\/author\/admin\/","title":"Inyectar equidad en los modelos de aprendizaje autom\u00e1tico - Observatorio Tecnol\u00f3gico de Hidalgo","type":"rich","width":600,"height":338,"html":"<blockquote class=\"wp-embedded-content\" data-secret=\"m4tpe933JY\"><a href=\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/inyectar-equidad-en-los-modelos-de-aprendizaje-automatico\/\">Inyectar equidad en los modelos de aprendizaje autom\u00e1tico<\/a><\/blockquote><iframe sandbox=\"allow-scripts\" security=\"restricted\" src=\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/inyectar-equidad-en-los-modelos-de-aprendizaje-automatico\/embed\/#?secret=m4tpe933JY\" width=\"600\" height=\"338\" title=\"&#8220;Inyectar equidad en los modelos de aprendizaje autom\u00e1tico&#8221; &#8212; Observatorio Tecnol\u00f3gico de Hidalgo\" data-secret=\"m4tpe933JY\" frameborder=\"0\" marginwidth=\"0\" marginheight=\"0\" scrolling=\"no\" class=\"wp-embedded-content\"><\/iframe><script>\n\/*! This file is auto-generated *\/\n!function(d,l){\"use strict\";l.querySelector&&d.addEventListener&&\"undefined\"!=typeof URL&&(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&&!\/[^a-zA-Z0-9]\/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret=\"'+t.secret+'\"]'),o=l.querySelectorAll('blockquote[data-secret=\"'+t.secret+'\"]'),c=new RegExp(\"^https?:$\",\"i\"),i=0;i<o.length;i++)o[i].style.display=\"none\";for(i=0;i<a.length;i++)s=a[i],e.source===s.contentWindow&&(s.removeAttribute(\"style\"),\"height\"===t.message?(1e3<(r=parseInt(t.value,10))?r=1e3:~~r<200&&(r=200),s.height=r):\"link\"===t.message&&(r=new URL(s.getAttribute(\"src\")),n=new URL(t.value),c.test(n.protocol))&&n.host===r.host&&l.activeElement===s&&(d.top.location.href=t.value))}},d.addEventListener(\"message\",d.wp.receiveEmbedMessage,!1),l.addEventListener(\"DOMContentLoaded\",function(){for(var e,t,s=l.querySelectorAll(\"iframe.wp-embedded-content\"),r=0;r<s.length;r++)(t=(e=s[r]).getAttribute(\"data-secret\"))||(t=Math.random().toString(36).substring(2,12),e.src+=\"#?secret=\"+t,e.setAttribute(\"data-secret\",t)),e.contentWindow.postMessage({message:\"ready\",secret:t},\"*\")},!1)))}(window,document);\n<\/script>\n","thumbnail_url":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT-LearningFairness-01-press_0.jpg","thumbnail_width":900,"thumbnail_height":600,"description":"Si un modelo de aprendizaje autom\u00e1tico se entrena con un conjunto de datos desequilibrado, como uno que contiene muchas m\u00e1s im\u00e1genes de personas con piel m\u00e1s clara que personas con piel m\u00e1s oscura, existe un riesgo grave de que las predicciones del modelo sean injustas cuando se implemente en el mundo real. ."}