Gobernanza, Privacidad y Ética en IA
Dominá los marcos NIST AI RMF, ISO 42001 y OECD, la regulación aplicable (GDPR, LGPD, Ley 25.326, EU AI Act), y las técnicas de fairness, explicabilidad (SHAP, LIME), privacidad diferencial y auditoría algorítmica.
import shap
explainer = shap.Explainer(model)
shap = explainer(X_test)
dp = demographic_parity(y_pred, group)
if dp > 0.1: flag_risk()
Lo que lograrás al completar el curso
Cada objetivo se verifica con entregables con corrección automática. Los entregables se acumulan en un framework integrador final, presentado ante un comité ejecutivo simulado.
Mapear sistemas de IA y clasificarlos por nivel de riesgo
Comprender los principales marcos de gobernanza (NIST, ISO, OECD)
Aplicar la regulación vigente: GDPR, LGPD, Ley 25.326, EU AI Act
Medir sesgo en modelos con métricas de fairness
Implementar técnicas de explicabilidad (SHAP, LIME)
Aplicar privacidad diferencial y técnicas de anonimización
Documentar modelos con model cards y datasheets
Realizar evaluaciones de impacto algorítmico
Diseñar procesos operativos de governance (comités, roles)
Comunicar riesgos de IA a stakeholders no técnicos
10 unidades · 25 horas en total
Del mapeo de sistemas al framework completo presentado ante un comité ejecutivo.
- Comprender qué es un inventario de sistemas de IA
- Clasificar sistemas por nivel de riesgo
- Identificar stakeholders y responsables
- Comprender los principales marcos de gobernanza de IA
- Comparar NIST AI RMF, ISO 42001 y principios OECD
- Aplicar un marco a un caso real
- Comprender la regulación vigente y aplicable
- Mapear obligaciones por jurisdicción
- Diseñar un plan de cumplimiento multi-país
- Comprender los tipos de sesgo en sistemas de IA
- Medir sesgo con métricas de fairness
- Diseñar estrategias de mitigación
- Comprender las técnicas de explicabilidad de modelos
- Aplicar SHAP y LIME a modelos productivos
- Diseñar model cards y datasheets
- Comprender las técnicas modernas de privacidad
- Aplicar privacidad diferencial y k-anonimidad
- Diseñar sistemas con privacidad por diseño
- Comprender qué documentar en sistemas de IA
- Diseñar sistemas de trazabilidad end-to-end
- Cumplir con requisitos regulatorios de documentación
- Comprender qué es una Algorithmic Impact Assessment
- Realizar una auditoría completa de un sistema de IA
- Diseñar un plan de remediación priorizado
- Diseñar procesos operativos de gobernanza sostenibles
- Definir roles, comités y flujos de escalación
- Implementar governance sin frenar la innovación
- Integrar todos los conocimientos en un framework de gobernanza
- Documentar con ADRs y diagramas C4
- Presentar el framework ante un comité ejecutivo
Diseñado para profesionales de datos, cumplimiento y producto
100% autogestionado y asincrónico. Avanzá a tu ritmo, con verificación automática de cada entregable.
Tutor virtual 24/7
Un asistente virtual entrenado sobre el contenido del curso y la documentación oficial de referencia responde tus dudas de forma clara y directa.
- Respuestas claras y sintéticas
- Disponible las 24 horas
- Contexto normativo actualizado
Contenido en Moodle
Lecciones estructuradas, documentación oficial de referencia y quizzes por unidad. Sin videos interminables: leé, consultá, avanzá.
- Plataforma Moodle
- Quizzes por unidad
- Documentación oficial citada
Notebooks en JupyterLite y Google Colab
Notebooks ejecutables con ejemplos reales. Cada técnica de fairness, XAI y privacidad se aplica sobre modelos productivos.
- Ejecución sin configuración
- JupyterLite o Colab
- SHAP, LIME y fairness en acción
Framework integrador acumulativo
Cada entregable se acumula en un framework final de gobernanza, listo para presentar ante un comité ejecutivo simulado.
- Corrección automática por unidad
- Framework creciente y acumulativo
- Feedback inmediato
Del inventario al framework operativo
Un ciclo que combina marcos de gobernanza y regulación con aplicación técnica sobre modelos reales.
Mapear
Inventario y clasificación por nivel de riesgo.
Medir
Fairness, XAI y privacidad diferencial.
Documentar
Model cards, datasheets y trazabilidad.
Operar
Comités, roles, auditoría y remediación.
Herramientas que usarás
Todo se ejecuta en JupyterLite o Google Colab. Documentación oficial de referencia y repos en GitHub para ADRs.
Python
scikit-learn SHAP LIME
Moodle
JupyterLite
Google Colab
GitHubDoble aval universitario, verificación digital
Al completar el curso recibís un certificado digital con doble aval: Instituto Data Science Argentina y UTN Facultad Regional Reconquista.
Qué incluye el certificado
- Doble firma: Director de IDSA + Decano UTN FRRQ
- Resolución oficial: 920/2020 UTN Facultad Regional Reconquista
- Datos personalizados: nombre, DNI, curso, carga horaria y calificación
- Código QR de verificación digital
- Copia automática a la Facultad para registro oficial
- Emisión por curso: no esperás al final del trayecto
Se emite al aprobar los quizzes del curso y los trabajos prácticos con estado aprobado.
Resolvemos tus dudas
Del inventario al framework ante el comité
10 unidades, 25 horas, con framework integrador acumulativo. Sin videos pasivos, sin autoevaluación subjetiva.