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.
Algoritmo de clasificación utilizado en aprendizaje automático para predecir la probabilidad de que una instancia pertenezca a una clase determinada. A pesar de su nombre, la regresión logística se utiliza para problemas de clasificación binaria o multiclase, donde se ajusta una curva logística a los datos para modelar la probabilidad de pertenencia a cada clase.
También conocido como aumento de datos, es una técnica utilizada en el aprendizaje automático para aumentar el tamaño del conjunto de datos mediante la aplicación de transformaciones a los datos existentes. Estas transformaciones pueden incluir rotaciones, traslaciones, zoom, volteos, cambios en el brillo, entre otros. El objetivo de la data augmentation es mejorar la generalización y el rendimiento del modelo al proporcionar más variedad en los datos de entrenamiento, lo que ayuda a prevenir el sobreajuste.
Programa de computadora diseñado para simular conversaciones humanas a través de medios digitales. Utiliza
algoritmos de generación de lenguaje natural (NLG) para comprender y responder a las consultas de los usuarios de manera automática. Los chatbots pueden ser utilizados en una variedad de aplicaciones, como servicio al cliente, asistencia en línea, ventas y entretenimiento.
Se refiere a los cambios en la distribución de datos que afectan la eficacia del modelo de aprendizaje automático. Estos cambios pueden deberse a diversos factores, como
cambios en el comportamiento de los usuarios, cambios estacionales, cambios en el entorno, entre otros. El Model Drift puede llevar a una degradación en el rendimiento del modelo, ya que el modelo puede volverse menos preciso o relevante para los datos nuevos.
Es una técnica en el aprendizaje automático que combina múltiples modelos individuales para mejorar el rendimiento predictivo. Los modelos individuales pueden ser del mismo tipo o de tipos diferentes. Al combinar las predicciones de múltiples modelos, el ensamble puede reducir el sesgo y la varianza, lo que lleva a un modelo más robusto y generalizable. Algunos métodos comunes de ensamble incluyen el bagging, boosting y la combinación de modelos por voto.
Es la tarea de identificar y clasificar objetos dentro de imágenes o videos. Es una tarea fundamental en la visión por computadora y se utiliza en una variedad de aplicaciones, como sistemas de seguridad, vehículos autónomos, reconocimiento facial, supervisión de tráfico, entre otros. Los algoritmos de detección de objetos identifican la presencia, ubicación y clase de objetos dentro de una imagen o secuencia de video.
Fenómeno en el que un modelo es demasiado simple para los datos, lo que resulta en un rendimiento deficiente en los datos de entrenamiento y prueba. El subajuste puede ocurrir cuando un modelo es demasiado restrictivo o cuando no tiene suficientes parámetros para capturar la complejidad de los datos. Esto puede llevar a una falta de capacidad del modelo para generalizar a datos nuevos y no vistos.
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 [...]
