“En esta fase se seleccionan y aplican varias técnicas de modelización y se calibran sus parámetros hasta alcanzar los valores óptimos. Normalmente, existen varias técnicas para el mismo tipo de problema de minería de datos. Algunas técnicas tienen requisitos específicos sobre la forma de los datos. Por lo tanto, puede ser necesario volver a la fase de preparación de los datos. Las etapas de modelización incluyen la selección de la técnica de modelización, la generación del diseño de las pruebas, la creación de los modelos y la evaluación de los mismos.”
Descripción
Esta fase implica varias tareas clave. En general, el desarrollador debe hacer lo siguiente:
- Seleccionar la técnica de modelización que se utilizará. Según el tipo de técnica, es más o menos probable que se produzcan consecuencias como la inferencia de datos, la opacidad o los sesgos.
- Tomar una decisión sobre la herramienta de entrenamiento que se utilizará. Esto permite al desarrollador medir lo bien que el modelo puede predecir el pasado antes de utilizarlo para predecir el futuro. El entrenamiento siempre implica la realización de pruebas empíricas con datos. A veces, los desarrolladores prueban el modelo con datos diferentes a los utilizados para generarlo. Por lo tanto, en esta etapa se puede hablar de diferentes tipos de conjuntos de datos. A veces puede resultar difícil identificar a los individuos a los que se refieren los datos de entrenamiento. Esto crea problemas para el cumplimiento de los derechos de los individuos que deben ser abordados adecuadamente.
Principales acciones a abordar
- Garantizar que el principio de minimización de datos se aplica al conjunto de datos que se utilizará para las sucesivas etapas de entrenamiento
- Detectar y eliminar los sesgos
- Aplicabilidad de algunos de los derechos de los interesados en esta fase
| Lista de control: Modelización (entrenamiento)
☐ Los responsables del tratamiento han determinado la finalidad del uso del sistema de IA al inicio de su entrenamiento o despliegue, y han realizado una reevaluación de esta determinación si el tratamiento del sistema arrojaba resultados inesperados ☐ Los responsables han depurado los datos utilizados durante la fase de entrenamiento de toda la información no estrictamente necesaria para el entrenamiento del modelo. ☐ Los responsables han estudiado la posibilidad de aplicar herramientas técnicas que podrían servir para detectar sesgos, como la Evaluación del Impacto Algorítmico ☐ Los responsables han considerado realizar un EIPD en esta fase ☐ Los responsables se han asegurado de poder responder a las solicitudes de los interesados para que se apliquen las excepciones al derecho de acceso ☐ Los responsables pueden garantizar el derecho de rectificación de los datos, especialmente los generados por las inferencias y perfiles elaborados por el desarrollo de la IA. ☐ Los responsables del tratamiento pueden responder a las solicitudes de supresión, salvo que se aplique una excepción pertinente y siempre que el interesado tenga los motivos adecuados |