Comunidad aiutechallenge - Debates Recientes

Tamaño Maximo al subir Solucion

nestor.rodriguez — Wed, 26 Nov 2025 18:38:41 +0000

El sistema no permite subir una solucion de mas de 1 MB y aun comprimiendo los archivos pesan bastante mas que eso solamente el csv.

Consulta sobre los dataframes

nestor.rodriguez — Wed, 26 Nov 2025 18:14:27 +0000

Ambos dataframes (df_train.csv y df_test.csv) me parece estan invertidos los nombres. Es eso probable? el df_test tiene la columna "prediccion" mientras que el df_train no la tiene.
adicionalmente hay una columna llamada "objetivo_binario" que parece corresponder con el Verdadero/falso de la fila.
Esa columna puede usarse para las predicciones? o esta en los dataframe por error?

Comentarios del ejercicio 3

gelenn.ferreira — Fri, 03 Oct 2025 20:53:16 +0000

Pienso que para entrenar al modelo de una mejor forma tengo que hacerlo con distintas bananas, de diversas formas, tonos y tamaños. Así como variar el fondo, la iluminación, la cantidad de bananas y los objetos alrededor.

Challenge Fake News

nestor.rodriguez — Wed, 10 Sep 2025 19:19:55 +0000

He subido una solucion usando redes neurales; estoy tratando de armar una usando transformers pero lleva bastante tiempo entrenarla y testearla.
En el caso de subir mas de una solucion; como se puntua dentro del challenge? la mejor? la peor? un promedio? solo la primeara o la ultima presentada?
la solucion a subir es unicamente el archivo test_data.csv con la columna etiqueta generada?

¿Predicción temporal?

rodrigo.rivera — Sun, 03 Nov 2024 04:49:11 +0000

La descripción del desafío indica que se busca un modelo predictivo para el nivel del rio en Durazno, lo que podría servir para alertar poblaciones vulnerables. Al respecto me cuestiono la manera de hacer la predicción. Normalmente pensaría que podría usar los atributos dados para un mismo momento temporal (fila), como humedad del suelo, temperatura, precipitación, etc. ¿pero acaso eso tiene sentido? ¿de que me sirve un modelo predictivo que tiene como entrada mediciones del mismo momento si lo que quiero predecir es un evento a futuro? Por ejemplo, no tendría sentido medir humedad, temperatura y nivel de rio en Polanco del Yi para saber el nivel del rio en Durazno en ese mismo momento. De haber un nivel muy alto, ya fue tarde.

Además, aparentemente es el mismo rio en 3 ubicaciones distintas (no soy de Uruguay). La correlación con Polanco_level es muy alta. Uno podría hacer un modelo predictivo prácticamente solo con eso, pero no solo carece de sentido temporal, sino que de alguna manera es redundante geográficamente.

Considerando eso, ¿deberíamos hacer una predicción temporal del nivel del rio Durazno? y si es así, ¿de cuantos días? Hacer un modelo predictivo de este tipo sería totalmente distinto. También se requeriría que los datos de entrenamiento y verificación tengan un orden temporal, o habría que modificarlos para agregar nuevas columnas que muestren atributos de días anteriores. De alguna manera se vuelve mucho más complejo, pero tendría más sentido.

Favor sus comentarios.

RRE

Duda sobre los datos.

nestor.rodriguez — Tue, 24 Sep 2024 21:06:21 +0000

Podrían explicar el contenido de las columnas de los datos para evaluar.

En varias columnas en donde por el nombre esperaría un valor numérico, al ver los datos son series de números separados por un ".".

Existe algún documento donde se especifique el contenido de las columnas y como interpretar los datos en ellas?

Guia de pasos a realizar

giani.carlevaro — Mon, 27 May 2024 04:44:25 +0000

1. Comprender el Problema:

Objetivo:

Predecir si un estudiante aprueba o no un curso utilizando la variable cod_evaluacion_final. Esta variable la encontramos en el conjunto df_ceip.csv

“cod_evaluacion_final” = 0, 1 y 2 ~ (sin asignar, promovido, repetidor)

2. Acceso y Preparación del Dataset:

Cargar el dataset en un entorno de análisis de datos

3. Exploración y Análisis de los Datos:

Realizar un análisis exploratorio de datos (EDA) para comprender la estructura y distribución de los datos.

Describir las características de los datos.

Visualizar las relaciones entre las variables.

4. Preprocesamiento de los Datos:

Limpiar los datos para que pueda ser procesado por el modelo.

Realizar ingeniería de características.

Dividir el dataset en conjuntos de entrenamiento y prueba.

5. Selección y Entrenamiento del Modelo:

Elegir un modelo.

Entrenar el modelo con el conjunto de datos de entrenamiento.

Utilizar técnicas como la validación cruzada para evaluar la estabilidad y generalización del modelo.

Ajustar los hiperparámetros del modelo para optimizar su rendimiento.

6. Evaluación del Modelo:

Evaluar el modelo utilizando el conjunto de datos de prueba.

Calcular métricas de rendimiento como el error cuadrático medio (MSE), R^2, etc.

7. Presentación de Resultados:

Documentar el proceso de análisis, los hallazgos y las conclusiones.

Crear visualizaciones que resuman los resultados y la precisión del modelo.

Preparar una presentación para compartir los resultados con los interesados.

8. Envío de la solución:

Ajustar los resultados para enviar la solución acorde a lo solicitado:

Luego de realizado y entrenado el modelo tenemos el archivo “st_verify_data.csv” que contiene los datos que hay que utilizar para validar el modelo y con ello realizar la entrega de la solución.

El archivo de entrega debe tener la misma cantidad de filas que “st_verify_data.csv” + una columna con la predicción realizada en donde id se va a corresponder con los valores de los ids dados en “st_verify_data.csv” y la columna “evaluacion_final” será las predicciones para cada id.

Entrega

nestor.rodriguez — Sat, 25 May 2024 22:16:32 +0000

He generado un modelo y validado el mismo generando el archivo con la columna de los valores que mi modelo "predice" para los datos del csv de validacion.
Cuando voy a subirlo me dice que debo poner una url... me pueden explicar como subir la solucion del modelo o que cosas se espera que se "suban" a esa url? el modelo? el archivo con los resultados generados, el proceso de limpieza, depuracion y generacion del modelo, los pasos intermedios dados para la carga y para la validacion, etc

Consigna del desafío

diego.corujo — Thu, 09 May 2024 20:50:25 +0000

Hola buenas tardes! Alguien podría ayudarme a comprender exactamente cuál es la consigna del desafío? La propuesta no está muy comprensible, gracias

DECLARACIÓN DE ÉTICA IA-LATAM PARA EL DISEÑO, DESARROLLO Y USO DE LA INTELIGENCIA ARTIFICIAL

giani.carlevaro — Wed, 29 Nov 2023 01:59:14 +0000

Declaración de Principios Éticos para la IA de Latinoamérica.
Extraido de IA LATAM. Ref.: https://ia-latam.com/etica-ia-latam/

Velar por el desarrollo de una IA al servicio de los individuos y la sociedad. La tecnología IA desarrollada debe obedecer a sus creadores, siempre y cuando no entren en conflicto con la autonomía humana, el bien individual y el bien común.
Los desarrolladores de IA son los responsables de sus proyectos y deben tomar en consideración el impacto que cada proyecto pueda tener en la sociedad. Trabajaremos para evitar las aplicaciones potencialmente dañinas o abusivas. A medida que desarrollemos e implementemos tecnologías de IA, evaluaremos los usos probables a la luz de los siguientes factores: Propósito, naturaleza e Impacto.
Dada la naturaleza no determinista de los sistemas inteligentes, se debe instaurar un sistema de pruebas y validaciones constantes, que incluya los inputs que se hacen al sistema y su comportamiento global. La arquitectura de los sistemas AI debe establecer límites de comportamiento.
Proteger el derecho de cada persona sobre la privacidad de sus datos (información personal sensible) y de la misma forma darle un uso ético a la información de cada individuo siempre con el previo consentimiento de su titular. Se requerirá consentimiento de cada persona acerca del uso de la generación de nuevos datos creados desde la IA.
El desarrollo de una tecnología IA deberá cuidar los efectos sobre el medio ambiente. El impacto que cada creación pueda tener no puede representar una amenaza para nuestro entorno.
El desarrollo de tecnologías IA y sus efectos deben siempre estar apegado a la legislación vigente y respetar las normas culturales y sociales locales.
Respetar y proteger la propiedad intelectual a todo nivel y al más alto estándar. Todos los actores involucrados en la creación recibirán la compensación correspondiente por su trabajo.
Evitar los sesgos e impactos injustos en las personas, en particular las relacionadas con características sensibles como la raza, el origen étnico, el género, la nacionalidad, los ingresos, la orientación sexual, la capacidad y las creencias políticas o religiosas.
La transformación laboral es una realidad, el desarrollo de la IA también debe como principio colaborar en la readaptación y colocación de la fuerza laboral que reemplace, mediante educación y complemento de las nuevas habilidades y competencias necesarias.
Destinar recursos y foco en la seguridad de los sistemas y datos. La cyber seguridad debe ser una prioridad para todos no sólo para mantener y mejorar los servicios sino como parte fundamental para crear las confianzas necesarias.
Compromiso con la investigación abierta, el rigor intelectual, la integridad y la colaboración. Las herramientas de AI tienen el potencial de desbloquear nuevos ámbitos de investigación científica y conocimiento en dominios críticos como la biología, la química, la medicina y las ciencias ambientales. Aspiramos a altos estándares de excelencia científica mientras trabajamos para avanzar en el desarrollo de la IA.
Transparencia y explicabilidad: Nos comprometemos a garantizar la transparencia en el desarrollo y despliegue de la tecnología de IA. Esto implica proporcionar explicaciones claras y comprensibles sobre cómo funciona la IA, los datos utilizados, los algoritmos empleados y los resultados esperados.
Responsabilidad por decisiones automatizadas: Reconocemos que las decisiones automatizadas tomadas por sistemas de IA pueden tener un impacto significativo en la vida de las personas. Nos comprometemos a asumir la responsabilidad por dichas decisiones y a garantizar mecanismos adecuados para remediar posibles errores o sesgos.
Ética en la adquisición de datos: Nos comprometemos a adquirir y utilizar datos de manera ética, respetando la privacidad de las personas y evitando la recopilación de datos innecesarios o irrelevantes. Se fomentará el uso de datos anonimizados y el cumplimiento de las regulaciones de protección de datos aplicables.
Inclusión y diversidad: Nos esforzaremos por garantizar la inclusión y la diversidad en el desarrollo de tecnologías de IA. Evitaremos la discriminación y trabajaremos para superar los sesgos existentes en los conjuntos de datos utilizados y en los algoritmos implementados.
Evaluación ética continua: Implementaremos procesos de evaluación ética continua para asegurar que nuestras tecnologías de IA se utilicen de manera ética y responsable. Esto implica realizar revisiones periódicas de los impactos sociales, éticos y legales de nuestras aplicaciones de IA.
Colaboración con la sociedad y las partes interesadas: Buscaremos una colaboración estrecha con la sociedad y las partes interesadas relevantes, como organizaciones no gubernamentales, instituciones académicas y la comunidad en general. Valoraremos sus aportes y preocupaciones para mejorar nuestras prácticas y abordar los desafíos éticos relacionados con la IA.
Educación y concientización: Promoveremos la educación y la concientización sobre los principios éticos de la IA entre nuestros empleados, socios y usuarios. Buscaremos difundir información clara y accesible sobre los beneficios, riesgos y desafíos éticos asociados con la tecnología de IA.
Cumplimiento legal y normativo: Nos comprometemos a cumplir con todas las leyes, regulaciones y estándares éticos aplicables en el desarrollo y despliegue de la tecnología de IA. Trabajaremos en estrecha colaboración con las autoridades competentes para garantizar el cumplimiento y la rendición de cuentas.
Revisión y mejora continua: Nos comprometemos a revisar regularmente esta declaración de ética y a mejorar nuestras prácticas en función de los avances tecnológicos, los cambios sociales y las demandas éticas emergentes en el campo de la IA. Estaremos abiertos a recibir retroalimentación y sugerencias de mejora por parte de la comunidad.
Hacer el bien: Nos comprometemos a utilizar la tecnología de IA para promover el bienestar y el beneficio de la sociedad en su conjunto. Buscaremos aplicaciones que contribuyan a resolver problemas sociales, mejorar la calidad de vida, fomentar la igualdad de oportunidades y avanzar en la sostenibilidad ambiental.
Responsabilidad social: Reconocemos nuestra responsabilidad como desarrolladores de IA para abordar los desafíos éticos y sociales que surjan como resultado de su implementación. Buscaremos activamente oportunidades para generar un impacto positivo en la comunidad y contribuir al desarrollo social y económico.
Compromiso con el bien común: Nos esforzaremos por utilizar la tecnología de IA de una manera que beneficie a un amplio espectro de personas y comunidades, evitando la concentración de poder y los impactos negativos en grupos marginados o desfavorecidos.
Responsabilidad en la difusión de información: Reconocemos la importancia de promover la difusión de información veraz y confiable. Nos comprometemos a evitar la propagación de desinformación, sesgos o contenido perjudicial a través de nuestras aplicaciones de IA, y a fomentar la divulgación responsable de resultados y hallazgos.
Acceso equitativo: Nos esforzaremos por garantizar un acceso equitativo a las tecnologías de IA, trabajando para superar las barreras económicas, sociales y geográficas que puedan limitar su adopción. Promoveremos la inclusión digital y la democratización del conocimiento en el campo de la IA.
Responsabilidad en la toma de decisiones: Reconocemos que las decisiones tomadas a través de sistemas de IA pueden tener implicaciones éticas y sociales significativas. Nos comprometemos a diseñar sistemas que tomen en cuenta valores éticos y que permitan la participación humana en la toma de decisiones importantes.
Rendición de cuentas: Asumimos la responsabilidad de nuestras acciones y decisiones en el desarrollo y uso de tecnologías de IA. Estaremos abiertos a la rendición de cuentas, la auditoría externa y la evaluación independiente de nuestras prácticas éticas, con el objetivo de garantizar la confianza y la transparencia en nuestras acciones.

Estos puntos adicionales resaltan la importancia de hacer el bien, tanto en términos de beneficio social como de responsabilidad en la difusión de información y toma de decisiones. Al integrarlos en la declaración de ética de IA, se busca promover una visión ética integral que tenga en cuenta el impacto social y el bienestar general.

Lograr consensos en materia de ética e innovación responsables es un proceso de mejora continua, colaborativo y de apertura al diálogo.

La auto responsabilidad y la generación de acuerdos, nuevos estándares y que éstos sean respetados, implementados y protegidos por la sociedad civil, estados e instituciones hará que entre todos sumados mejoremos las practicas en esta materia. IA LATAM