Casi siempre tomamos decisiones sin información completa. Quizás podríamos recoger más datos sobre cómo se comportan los usuarios o tal vez podríamos dedicar más esfuerzos a probar nuestras estrategias de modelado. Sin embargo, debemos aceptar que, aunque gastar más recursos nos pueda llevar a estar más seguros y confiar más en nuestro sistema de decisión, de un modo u otro tendremos que trabajar con sistemas que operan sin total certeza. En esta charla veremos métodos y estrategias para modelar la incertidumbre con una perspectiva probabilística. Revisaremos brevemente los fundamentos prácticos de la inferencia bayesiana y aprenderemos cómo sacarle partido para incorporar incertidumbre en un sistema de aprendizaje automático.
↧