Acceda a una amplia gama de publicaciones, recursos y servicios diseñados para facilitar y enriquecer su experiencia académica y profesional. Esta plataforma está dedicada a proporcionarle las herramientas y fuentes de información especializadas que necesita para desarrollar sus actividades de manera efectiva durante todo el período académico.
En la Biblioteca Digital de Seguridad Social (BiDiSS) podrá consultar desde artículos de investigación y libros electrónicos hasta bases de datos académicos y revistas especializadas.
Explore nuestras secciones, descubra las múltiples opciones a su disposición y aproveche al máximo todos los recursos que hemos preparado.
Revisión de acciones sobresalientes de promoción a la salud y la seguridad en el trabajo en seis países de América Latina y el Caribe (ALC) y las principales conclusiones de esas experiencias.
Consultar
Descubre las más recientes adquisiciones de nuestra biblioteca especializada en seguridad social
Consultar
El Plagio se refiere a la copia de palabras e ideas de otras personas sin reconocer ni mencionar la fuente de donde se extrajeron, mientras que una cita tiene la intención de “referir, anotar o mencionar los autores, texto o lugares que se alegan o discuten en lo que se dice o escribe” (RAE).
Recomendamos una publicación editada por la Biblioteca de la Universidad de Lima, que nos orienta sobre la manera en que se deben realizar las citas y referencias bibliográficas. Esta práctica fundamental nos ayudará a evitar incurrir en acciones que vulneren los derechos de autor.
Ante el cierre del servicio Google Reader, ese servicio que nos permitía revisar los feeds de las novedades de los sitios web a los que estamos suscritos, tuve la impresión de que se acercaba el fín de los RSS, pero no fué así.
Actualmente existen buenos lectores de fuentes RSS, y uno de ellos es Feedly, que además ofrece aplicaciones para dispositivos móbiles, tanto para Android como para iOS.
Cuando desarrollamos un trabajo académico o científico, es fundamental reconocer y citar adecuadamente las fuentes que utilizamos.
Es un concepto amplio que implica el uso de una red neuronal para modelar la relación entre datos y etiquetas. En este contexto, la red neural es entrenada para aprender la relación entre los datos de entrada y las etiquetas deseadas, utilizando un enfoque competitivo para mejorar la precisión de la clasificación.
En el contexto de Capsule Networks, una cápsula es una unidad de procesamiento fundamental. Cada cápsula está diseñada para capturar y representar una característica específica de un objeto en la imagen. La información se organiza de manera jerárquica, permitiendo una representación más robusta y precisa de las relaciones entre características en comparación con las arquitecturas convencionales.
Método de agrupamiento que crea jerarquías de clústeres. En este enfoque, los datos se agrupan en función de su similitud, y los clústeres se organizan en una estructura de árbol o dendrograma. Hay dos tipos principales de agrupamiento jerárquico: aglomerativo, donde cada observación comienza en su propio clúster y se fusionan gradualmente, y divisivo, donde todos los datos comienzan en un solo clúster y se dividen en clústeres más pequeños. Este enfoque es útil para explorar la estructura de los datos y visualizar relaciones de similitud entre observaciones.
En el contexto de aprendizaje automático, se refiere al prejuicio en los datos de entrenamiento que afecta la objetividad del modelo. Puede surgir de diversas fuentes, como la selección de datos sesgada, y puede resultar en decisiones o predicciones inexactas y discriminatorias.
Es una arquitectura de red neuronal utilizada en el aprendizaje por refuerzo, específicamente en el algoritmo de Q-learning profundo. DQN combina redes neuronales profundas con el algoritmo Q-learning para aprender a tomar decisiones óptimas en entornos complejos y dinámicos. Este enfoque ha sido especialmente exitoso en aplicaciones de juegos de video, donde los agentes de aprendizaje pueden aprender a jugar juegos como Atari de manera autónoma a partir de la observación de la pantalla y la retroalimentación de recompensa.
Modelo de lenguaje de inteligencia artificial de última generación desarrollado por OpenAI. Utiliza la arquitectura de transformer y se entrena en grandes conjuntos de datos para generar texto de manera autónoma. GPT ha demostrado un rendimiento sobresaliente en una variedad de tareas de procesamiento de lenguaje natural, como generación de texto, traducción automática y respuesta a preguntas.
Parámetro que se configura antes del entrenamiento del modelo y afecta el proceso de aprendizaje, pero no se aprende automáticamente del conjunto de datos. Los hiperparámetros controlan aspectos como la complejidad del modelo, la velocidad de aprendizaje y la regularización. Algunos ejemplos comunes de hiperparámetros incluyen la tasa de aprendizaje en redes neuronales, el número de árboles en un modelo de bosque aleatorio y el valor de K en el algoritmo de vecinos más cercanos (K-nearest Neighboors)
TN University. (2024). Diccionario sobre inteligencia artificial: 100 conceptos claves sobre sistemas inteligentes.
Ver documento completo >
Entre otras medidas, la ministra de Inclusión, Elma Saiz, ha anunciado que la Seguridad Social podrá reconocer de oficio una prestación cuando se cumplan requisitos sin necesidad de solicitarla [...]
La 15º edición de Mercer CFA Institute Global Pension Index (MCGPI) examina el potencial de la Inteligencia Artificial (IA) para mejorar los sistemas de pensiones y seguridad social. [...]
La irrupción de la inteligencia artificial en los procesos de producción plantea interrogantes y situaciones para los que no conviene seguir aferrados a normas laborales del pasado [...]
La democratización de la IA abre una nueva frontera de experimentación que desdibuja los límites del mercado laboral tal y como se ha conocido hasta ahora. [...]
La Suseso es parte del piloto del proyecto Algoritmos Éticos, Responsables y Transparentes, desarrollado por GobLab de la Universidad Adolfo Ibáñez, que desde 2020 promueve la gestión ética de los datos y el desarrollo e [...]
La inteligencia artificial (IA) afectará a casi el 40% de los empleos en todo el mundo, reemplazando algunos y complementando otros. Para aprovechar este potencial, las políticas deben encontrar un fino equilibrio. [...]
Hoy tenemos instituciones precursoras, como los sistemas de seguridad social para los servidores públicos en los estados de Puebla y Estado de México, pero los servicios automatizados, donde se involucre inteligencia artificial, en poco tiempo [...]
