Seminario Mensual: febrero a junio 2025

CAPP

El primer jueves de cada mes a las 11:30 a.m. hora Colombia (GMT-5) presentamos el seminario de analítica para políticas públicas. El seminario es de registro abierto y se llevará a cabo por medio de Zoom. ¡Esperamos puedan acompañarnos!

Para estar más enterado de nuestro eventos, únete a nuestro canal de Slack


Febrero 6, 2025

Inferencia Robusta y Cuantificación de Incertidumbre para la Toma de Decisiones Basada en Datos

Santiago Cortés Gómez
Candidato a Ph.D. en Machine Learning, Carnegie Mellon University

Resumen. El creciente uso de datos observacionales para guiar la toma de decisiones en políticas públicas, salud y otras áreas de alto impacto ha impulsado el desarrollo de métodos robustos a sesgos de selección y cambios de distribución, considerando además cómo la incertidumbre y las predicciones afectan problemas decisionales posteriores. En la primera mitad de la charla, presentaré un marco metodológico para realizar inferencia estadística robusta en presencia de sesgos de selección u otros cambios en la distribución entre los datos observados y la población objetivo. Esta metodología aprovecha información adicional para restringir el conjunto de distribuciones posibles, permitiendo obtener cotas de alta probabilidad sobre el parámetro poblacional de interés. Aplicamos esta metodología para revelar sesgos en la tasa de hospitalización por COVID-19 en Estados Unidos entre distintos grupos raciales, incorporando datos serológicos complementarios. Posteriormente, discutiré un marco para la cuantificación de incertidumbre en modelos de aprendizaje automático utilizados en la toma de decisiones. Nuestro método utiliza conformal prediction para generar conjuntos de predicción adaptados a la estructura del problema decisional, manteniendo garantías de cobertura estadística. Presentamos un caso de uso real de modelos de machine learning para el diagnóstico médico, donde nuestro enfoque incorpora de manera efectiva la estructura jerárquica de las enfermedades dermatológicas generando conjuntos de decisión coherentes que facilitan el proceso de triage y demuestran cómo el conocimiento experto puede fundamentar la toma de decisiones basados en datos en contextos críticos.

Statistical inference under constrained selection bias. Santiago Cortes-Gomez, Mateo Dulce, Carlos Patino, and Bryan Wilder. ICML, 2024

Decision-Focused Uncertainty Quantification. Santiago Cortes-Gomez, Carlos Patino, Yewon Byun, and Steven Wu, Eric Horvitz, Bryan Wilder


Leave a Reply

Your email address will not be published. Required fields are marked *

2021 © Centro de Ciencia de Datos para Políticas Públicas by Quantil
crossmenu linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram