¿Qué es la preparación de datos ia?
La preparación de datos IA, es una fase cuyo propósito es estructurar y preparar la data tratada en la fase de comprensión de datos, dejándola lista para alimentar el modelo de IA y generar una fuente de información que permita a los patrones de IA aprender, identificar comportamientos y producir nueva información de valor.
Beneficios que ofrece la preparación de datos ia.
✔ Asegurar datos estructurados y ajustados al patrón IA para que el modelo IA pueda aprender con facilidad.
✔ Asegurar que los datos no presentan inconsistencias en su estructura y almacenamiento.
Buenas prácticas para la implementación.
✔ Estandarizar los formatos donde se almacena los datos.
✔ Convertir a números los datos de negocio para que sean procesados por el modelo IA.
✔ Remover inconsistencias en los datos que generan variaciones y dificultan el aprendizaje del modelo IA.
Errores comunes durante la implementación.
Cuando las buenas prácticas, las pre-condiciones y post-condiciones no han sido implementadas correctamente, se aumenta la probabilidad de generarse los siguientes errores:
✔ Modelo IA genere respuestas erróneas por procesar datos no estandarizados.
✔ Modelo IA afecte su tiempo de respuesta por procesar datos que no cumplen las políticas del patrón IA.
Pre-Condiciones y Post-Condiciones.
Este cuadro expone los pasos previos y posteriores que se deben ejecutar para asegurar la entrega de valor, garantizando que cada actividad esté alineada con los objetivos del negocio, las necesidades del usuario y los resultados esperados del proyecto.
| Paso | Acción clave | Condición |
|---|---|---|
| 1. La comprensión empresarial IA. | Generación del plan para desarrollar el sistema IA. | Pre. |
| 2. La comprensión de datos IA. | Recolección, evaluación, disponibilidad y calidad de los datos que alimentan el sistema IA. | Pre. |
| 3. La preparación de datos IA. | Ver el contenido de la presente guía. | N/A. |
| 4. El desarrollo del modelo IA. | Construcción y entrenamiento del modelo IA para que haga uso del conjunto de datos, aprenda, genere nueva información y los resultados se mantengan alineados con las metas de negocio definidas en la fase de comprensión empresarial. | Post. |
| 5. La evaluación del modelo IA. | Verificar junto con el equipo, los usuarios y demás interesados que el modelo de IA garantiza el retorno de la inversión (ROI), promueve una adopción efectiva, ofrece una experiencia de usuario satisfactoria, opera dentro de los costos previstos, cumple los requisitos legales y de seguridad, y cuenta con una hoja de ruta clara para su evolución y mejora continua. | Post. |
| 6. La operación del modelo IA. | Monitorear el sistema de IA en ambiente productivo para identificar oportunidades de mejora en los modelos, gestionar incidentes operativos, prevenir la obsolescencia de los datos, garantizar la calidad de los resultados generados, optimizar los costos de operación y asegurar el cumplimiento de las métricas y objetivos de negocio. | Post. |
¿Quiénes son responsables?
El responsable de la preparación de datos ia es el equipo del proyecto, quien hace parte de la oficina de administración de proyectos.
Ejemplo.
La(s) siguiente(s) imagen(es) interactivas te permitirán navegar por los diferentes elementos de nivel superior y sus pares, facilitando el acceso a los conceptos y al flujo de navegación entre los contenidos.
Si visualizas dos imágenes interactivas, la primera presenta los elementos de nivel superior y la segunda los elementos pares. Si únicamente visualizas una imagen, esta corresponde a los elementos pares.
Imagen interactiva: Dirección de proyectos IA.
Conclusión.
Comprender la importancia de estandarizar los datos en el lenguaje que el patrón IA interpreta, constituyen el tercer paso para convertir una iniciativa de IA en un proyecto exitoso y orientado a la generación de valor.