Aprendizaje automático MLNG Beta
(modified)
Desarrollar sistemas que aprendan de los datos y la experiencia, mejorando el rendimiento, la precisión y la adaptabilidad en entornos dinámicos.
Traducción al español de SFIA 9: Versión Beta
SFIA 9 en inglés ya está disponible.
- Esta es una versión beta de SFIA 9 en español.
-
La creamos utilizando la Phrase Localization Platform, combinando:
- Contenido traducido de SFIA 8
- Aportaciones de 7 proveedores líderes de traducción automática
- Actualizaremos esta traducción después de revisión y controles de calidad.
- Por favor, contáctenos si nota algún error o tiene preguntas.
Nota: Aunque la traducción automática ayuda a crear versiones iniciales, la revisión profesional garantiza la precisión y el lenguaje apropiado al contexto.
Notas orientativas
(modified)
Las actividades pueden incluir, entre otras, las siguientes:
- evaluar la idoneidad del aprendizaje automático para los problemas empresariales
- seleccionar y aplicar técnicas, algoritmos y herramientas de aprendizaje automático adecuadas para resolver problemas empresariales
- preparar datos para el aprendizaje automático, incluida la limpieza, transformación e ingeniería de características
- diseñar, capacitar, optimizar y reciclar modelos utilizando aprendizaje supervisado, no supervisado o de refuerzo
- Gestión de MLOps para implementación de modelos, monitorización y gestión del ciclo de vida
- evaluar modelos de rendimiento, robustez, equidad y sesgo, y seleccionar métricas para evaluar los resultados
- diagnosticar y resolver problemas antes y después de la implementación
- anticiparse a las implicaciones organizativas, incluidas la ética, los prejuicios, la privacidad, la sostenibilidad y la protección de datos
- establecer la trazabilidad de los resultados producidos por los sistemas de aprendizaje automático
- implementar mecanismos de aprendizaje continuo para garantizar que los modelos se adapten a los nuevos datos y entornos cambiantes, incluida la adaptación en tiempo real a los nuevos insumos y a las condiciones cambiantes.
Comprender los niveles de responsabilidad de esta habilidad
Donde los niveles inferiores no están definidos...
- Las tareas y responsabilidades específicas no se definen porque la habilidad requiere un mayor nivel de autonomía, influencia y complejidad en la toma de decisiones de lo que normalmente se espera en estos niveles. Puede utilizar las instrucciones de esencia para comprender las responsabilidades genéricas asociadas a estos niveles.
Donde los niveles superiores no están definidos...
- Las responsabilidades y la rendición de cuentas no están definidas porque estos niveles superiores implican un liderazgo estratégico y una influencia organizacional más amplia que va más allá del alcance de esta habilidad específica. Véanse las declaraciones de esencia.
Desarrollar habilidades y demostrar responsabilidades relacionadas con esta habilidad.
Los niveles definidos muestran la progresión incremental en habilidades y responsabilidades.
Donde los niveles inferiores no están definidos...
Puedes desarrollar tus conocimientos y apoyar a otras personas que sí tienen responsabilidad en esta área de la siguiente manera:
- Aprender conceptos y principios clave relacionados con esta habilidad y su impacto en su función
- Realización de habilidades relacionadas (consulte las habilidades relacionadas con SFIA)
- Apoyar a otros que realizan tareas y actividades de nivel superior
Donde los niveles superiores no están definidos...
- Puede progresar desarrollando habilidades relacionadas que se adaptan mejor a niveles más altos de liderazgo organizacional.
Haga clic para saber por qué las habilidades de SFIA no están definidas en los 7 niveles.
Mostrar/ocultar descripciones y niveles adicionales.
Niveles de responsabilidad para esta habilidad
2 | 3 | 4 | 5 | 6 |
Nivel 1
Aprendizaje automático: Nivel 2
(modified)
Asiste en la preparación de datos, formación de modelos y tareas de evaluación bajo supervisión rutinaria. Utiliza marcos y herramientas estándar de aprendizaje automático para desarrollar modelos básicos para problemas bien definidos. Documenta resultados y contribuye a mantener soluciones de aprendizaje automático.
Aprendizaje automático: Nivel 3
(modified)
Aplica técnicas y algoritmos de aprendizaje automático establecidos para resolver problemas de negocio. Selecciona y prepara datos para la formación y evaluación de modelos. Capacita, optimiza y valida modelos de aprendizaje automático utilizando herramientas y marcos estándar. Despliega modelos en producción y monitoriza su rendimiento. Comunica resultados y limitaciones a las partes interesadas.
Aprendizaje automático: Nivel 4
(modified)
Evalúa la idoneidad del aprendizaje automático y diseña y desarrolla soluciones para una gama de problemas empresariales. Selecciona y aplica técnicas y algoritmos apropiados basados en las características de los datos y los requisitos empresariales. Proporciona orientación a otros. Los ingenieros presentan y optimizan el rendimiento del modelo. Implementa algoritmos y contribuye al desarrollo, evaluación, monitoreo e implementación. Aplica reglas y directrices específicas de la industria, previendo riesgos e implicaciones. Colabora con equipos interfuncionales para integrar modelos de aprendizaje automático en los sistemas de producción. Realiza análisis de rendimiento en profundidad y soluciona problemas.
Aprendizaje automático: Nivel 5
(modified)
Lidera el desarrollo e implementación de soluciones de aprendizaje automático para problemas empresariales complejos y de alto impacto. Arquitectos de extremo a extremo de tuberías y sistemas de aprendizaje automático, incorporando prácticas MLOps. Evalúa y selecciona herramientas, marcos e infraestructura para proyectos de aprendizaje automático. Establece prácticas y estándares para el desarrollo y operaciones de aprendizaje automático. Proporciona asesoramiento y orientación de expertos en técnicas y aplicaciones de aprendizaje automático. Colabora con las partes interesadas para alinear las iniciativas de aprendizaje automático con los objetivos organizacionales.
Aprendizaje automático: Nivel 6
(modified)
Establece la dirección estratégica y la hoja de ruta para la adopción e innovación del aprendizaje automático dentro de la organización. Establece marcos de gobernanza y protocolos recomendados para el desarrollo y uso responsable, ético y sostenible del aprendizaje automático. Lidera el desarrollo de capacidades, políticas, estándares y directrices organizacionales en el aprendizaje automático. Colabora con las partes interesadas de alto impacto para identificar oportunidades de aprendizaje automático e impulsa su implementación. Sigue las tendencias de la investigación y la industria y las integra en las prácticas organizativas.