Unidad Temática 2 – Limpieza, Imputación y Ética de Datos¶
En esta segunda unidad se trabajó sobre la calidad y responsabilidad en el manejo de datos, aplicando técnicas de imputación contextual, escalado reproducible y evaluación ética de sesgos.
El objetivo fue asegurar la integridad, trazabilidad y equidad en el preprocesamiento antes del modelado.
Prácticas realizadas¶
-
Ames Housing bajo la lupa: reconstrucción de información faltante
Imputación contextual y análisis de missing data para reconstruir información faltante con trazabilidad y rigor metodológico. -
Escalado y Anti-Leakage Pipeline: preprocesamiento ético y reproducible
Implementación de un pipeline reproducible con escalado, normalización y control de data leakage entre train y test. -
Sesgo bajo la lupa: detección, corrección y decisiones éticas con Fairlearn
Análisis y mitigación de sesgos en modelos predictivos, integrando métricas de equidad y reflexión ética en decisiones algorítmicas. -
Caso German Credit: cómo la calidad del dato condiciona la equidad en modelos financieros
Análisis aplicado que muestra cómo los errores, inconsistencias y sesgos presentes en datos crediticios afectan tanto la performance del modelo como su equidad al tomar decisiones sensibles en contextos financieros.
Reflexión de la unidad¶
- Ames Housing permitió practicar estrategias de imputación contextual aplicadas a datos reales y heterogéneos.
- Anti-Leakage Pipeline consolidó el diseño de flujos de preprocesamiento éticos y técnicamente robustos.
- Fairlearn introdujo el componente social y ético del análisis de datos, vinculando rendimiento con equidad.
- German Credit reforzó la importancia de la calidad del dato como condición previa para la equidad: pequeñas distorsiones en atributos sensibles pueden amplificar desigualdades y conducir a decisiones injustas, incluso cuando el modelo técnico parece correcto.
En conjunto, la UT2 marcó el paso del análisis exploratorio hacia el procesamiento responsable de datos, donde cada decisión técnica considera su impacto en la transparencia, la reproducibilidad y la justicia algorítmica.
Flujo de Trabajo de UT2¶
Este flujo resume el proceso central de la UT2: diagnóstico de la calidad de los datos, imputación contextual, preprocesamiento sin fuga de información y evaluación ética mediante métricas de fairness.
Conclusión final de UT2¶
La Unidad Temática 2 permitió integrar técnica y reflexión, comprendiendo que la limpieza y el preprocesamiento de datos no son solo pasos previos, sino etapas críticas para la calidad y la equidad de los modelos.
Estas prácticas consolidaron la base ética y metodológica necesaria para avanzar hacia la modelización predictiva y la evaluación de desempeño que se desarrollarán en la UT3.