00:50 — En este minuto, me gustaría presentarte un asunto importante, no siempre cubierto en los medios, aunque recientemente he visto un par de comentarios y un artículo que me ha hecho pensar al respecto. Si trabajan con datos y desarrollan Inteligencia Artificial de cualquier tipo, como machine learning, proteja sus datos no su modelo predictivo, aunque parezca que lo importante es proteger el modelo a toda costa.
01:35 — A fin de cuentas, un modelo predictivo no es más que una expresión matemática desarrollada con una aplicación de software y que ha sido entrenado con unos datos muy concretos y unas características también muy concretas. Su modelo poco — o nada — puede aportar a otro caso de negocio similar
01:56 — No ocurre lo mismo con los datos de entrenamiento, que son datos internos de su organización de su empresa, y que habitualmente combinan múltiple fuente de datos, posiblemente sus datos financieros, su dato del producto, su dato de clientes, su trato de mercado y, ocasionalmente, también en algunas situaciones.
03:09 — Lo crítico de todo es como un modelo usa esos datos y cómo lo aplica. Es lo que realmente aporta valor. Es posible hacer una ingeniería inversa y descubrir el modelo, pero no es tan fácil descubrir los datos de entrenamiento. Ahora bien, si se consigue intuir incluso a través de las características del modelo los datos de entrenamiento, usted le está diciendo a todo el mundo como está desarrollando su aplicación.
