Detección de Anomalías: La identificación de elementos, eventos u observaciones raras que levantan sospechas al diferir significativamente de la mayoría de los datos.
Generación de API: El proceso de creación automática de interfaces de programación de aplicaciones (API), a menudo aprovechando GenAI para agilizar el desarrollo.
Aumentación: Mejora de datos o modelos mediante la adición de datos artificiales generados a través de técnicas como
GenAI para mejorar el rendimiento.
Detección y mitigación de sesgos: técnicas para identificar y reducir los sesgos en los modelos de IA para promover la equidad y la inclusión.
Infraestructura en la nube: la colección de hardware y software que permite los servicios de computación en la nube, incluido el almacenamiento, las bases de datos, los servidores y las redes.
Aumento de datos: el proceso de aumentar la diversidad de los conjuntos de datos de entrenamiento sin recopilar nuevos datos, a menudo mediante transformaciones o generación de datos sintéticos.
Limpieza de datos: el proceso de detectar y corregir (o eliminar) registros corruptos o inexactos de un conjunto de datos.
Data Fabric: una arquitectura y un conjunto de servicios de datos que proporcionan capacidades coherentes en una selección de puntos finales que abarcan entornos híbridos multinube .
Gobernanza de datos: La gestión de la disponibilidad, la usabilidad, la integridad y la seguridad de los datos en los sistemas empresariales, basada en normas y políticas de datos internas.
Canalización de datos: una serie de pasos de procesamiento de datos, incluida la extracción, transformación y carga (ETL)
de datos desde el origen hasta el destino.
Elaboración de perfiles de datos: El proceso de examinar datos de una fuente de información existente para recopilar estadísticas o resúmenes informativos.
Calidad de los datos: La condición de los datos basada en medidas como la precisión, la integridad, la fiabilidad y la relevancia.
Esquema de datos: estructura que define la organización de los datos, incluidos los campos, las relaciones y los formatos.
IA ética: prácticas de desarrollo y uso de IA que se alinean con las directrices éticas y promueven la equidad, la transparencia y la rendición de cuentas.
Ingeniería de características: el proceso de utilizar el conocimiento del dominio para extraer características de los datos sin procesar para mejorar el rendimiento de los algoritmos de aprendizaje automático.
IA generativa (GenAI): un subconjunto de modelos de IA que generan contenido nuevo, como texto, imágenes o audio, en función de los datos de e
