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.
Enfoque estadístico que se centra en el estudio de una sola variable en un conjunto de datos. Busca describir y comprender las características de una variable individual, como su distribución, tendencia central, dispersión y relación con otras variables. El análisis univariado es útil para explorar y entender las propiedades de una variable antes de realizar análisis más complejos o multivariados.
Proceso de descubrir patrones y conocimientos en grandes conjuntos de datos de texto. Utiliza técnicas de procesamiento de lenguaje natural, análisis de texto y aprendizaje automático para extraer información útil y relevante de documentos de texto no estructurados. La minería de texto se utiliza en aplicaciones como análisis de sentimientos, clasificación de documentos, extracción de información, resumen automático y más.
Campo de la inteligencia artificial que aborda la interacción entre las computadoras y el lenguaje humano. NLP se centra en la comprensión, interpretación y generación de lenguaje humano de manera automatizada. Algunas aplicaciones comunes de NLP incluyen análisis de sentimientos, traducción automática, reconocimiento de voz, extracción de información, entre otros.
Conjunto de datos desbalanceado
es aquel donde las clases tienen
cantidades significativamente
diferentes de ejemplos. Esto puede
ocurrir en situaciones donde una clase
es mucho más común que otras, lo que
puede sesgar el rendimiento del modelo
hacia la clase dominante. Manejar
conjuntos de datos desbalanceados es
importante en el aprendizaje automático
para evitar que el modelo ignore las
clases minoritarias y tome decisiones
sesgadas.
Es el proceso de eliminación de conexiones no esenciales en redes neuronales para optimizar el rendimiento y la eficiencia del modelo. Durante el pruning, se identifican y eliminan las conexiones menos importantes o redundantes en la red neuronal, lo que reduce la complejidad del modelo y el costo computacional asociado con su ejecución. El pruning puede ayudar a mejorar la generalización del modelo y reducir el riesgo de overfitting.
Se refiere a sistemas de IA diseñados
para realizar tareas específicas dentro
de un dominio limitado, mientras que
la inteligencia artificial fuerte se refiere
a sistemas de IA con la capacidad de
razonar, aprender y resolver problemas
en múltiples dominios de manera similar
a los humanos. La IA débil está más
enfocada en tareas específicas y no
busca replicar la inteligencia humana en
su totalidad, mientras que la IA fuerte
aspira a alcanzar o superar el nivel
de inteligencia humana en todas sus
Es un modelo de aprendizaje colaborativo donde el modelo de inteligencia artificial se entrena en dispositivos locales, como teléfonos móviles o dispositivos IoT, en lugar de enviar datos a un servidor centralizado. En lugar de entrenar el modelo con datos centralizados, se envían algoritmos de aprendizaje al dispositivo, donde se entrena el modelo localmente. Luego, los modelos locales se combinan para crear un modelo global actualizado. Este enfoque permite el entrenamiento de modelos sin comprometer la privacidad de los datos, ya que los datos permanecen en el dispositivo del usuario.
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 [...]
