Notas Sesión 3

Date

Estado

Publicado

Obligatoriedad

Semana

Semana 10

Tipo

Notas de clase

Last edited by

Miss Pili Piñones

Last edited time

Oct 30, 2026 1:24 AM

N

3

Concepto

• Anonimización de datos: Proceso de eliminar o modificar información sensible (nombres, domicilios, claves) de una base de datos para que no pueda identificarse a personas, permitiendo que la IA analice la estructura y patrones sin exponer datos personales.
• Dashboard local en HTML: Creación de una herramienta de visualización de datos que se ejecuta en el navegador del usuario, sin subir la información a la nube, para mantener la privacidad y seguridad.
• Agentes y Skills: Uso de modelos de IA (como Claude o GPT) que pueden ejecutar tareas específicas o usar "habilidades" predefinidas para dividir un problema complejo en pasos más pequeños y precisos.

Lo que entendí

• Riesgos de subir datos directos: Subir archivos con datos sensibles a una IA puede exponer información personal; además, mezclar fuentes sin estandarizar puede generar resultados confusos.
• Método de anonimización:
• Se puede borrar todo el contenido de las filas y dejar solo los encabezados.
• Se puede dejar una fila de ejemplo con datos genéricos (ej. "Nombre, Apellido y Apellido") para que la IA entienda el formato de cada columna.
• Para datos con patrones (como claves), se pueden usar ejemplos como "XX-1234" para indicar la estructura sin dar el dato real.
• Creación de dashboards con IA:
• Se le pide a la IA que genere un archivo HTML standalone (autónomo) que permita cargar un archivo local (CSV/Excel) y mostrar gráficas interactivas.
• Es importante especificar que el archivo debe vivir localmente y no hacer llamadas a servicios externos por seguridad.
• Comparación de herramientas:
• GPT (cuenta gratuita): Generó un dashboard básico, con gráficas poco interactivas y algunos errores de filtrado.
• Claude (cuenta de pago): Produjo un resultado más avanzado con gráficas interactivas, tooltips, reportes de inconsistencias y mejor diseño, usando "Skills" para dividir la tarea.
• Uso de agentes (ejemplo con Grokbot):
• Se puede usar un bot para que cree otro bot en una plataforma distinta (como Telegram) siguiendo instrucciones paso a paso.
• Los agentes pueden ejecutar una tarea y luego revisarla automáticamente para asegurar que se completó correctamente.

Must know

• Técnicas de anonimización:
• Borrado total de registros manteniendo encabezados.
• Uso de datos sintéticos/ejemplos para definir el tipo de dato (numérico, texto, formato de clave).
• Seguridad en el uso de IA:
• Diferencia entre análisis en la nube vs. herramientas locales (HTML standalone).
• Riesgos de subir datos personales o sensibles a modelos de lenguaje.
• Estrategias de prompting para tareas complejas:
• Dividir la tarea en pasos pequeños ("comerse el elefante a pedacitos").
• Uso de roles, objetivos claros, formato de salida y consideraciones adicionales (bullets).
• Capacidades de los modelos:
• Diferencia entre bots con flujos predefinidos (sin IA) y bots con IA generativa.
• Ventajas de usar modelos de pago (mejor razonamiento, uso de Skills, mayor autonomía).