Demos

Descripción: Demostrador IQA (Imputation Quality Assessment). En el campo de machine learning (ML) es habitual encontrarse variables con campos faltantes, es decir, algunas observaciones no tienen todos los valores en todas las variables. Mediante el método Imputation Quality Assessment (IQA) se comparan varios métodos de imputación y como resultado se obtiene una puntuación de imputación que tiene en cuenta tanto el porcentaje de faltantes. habitual encontrarse variables con faltantes (missing values), es decir, algunas observaciones no tienen todos los valores en todas las variables.

Descripción: El método EAPP (Extended APriori Probability) provee una ayuda para evaluar la calidad de un modelo entrenado a partir de un cojunto de datos dado. El valor EAPP representa el rendimiento de un algoritmo no supervisado. Los modelos que no superen dicho valor son considerados de baja calidad. Por otro lado valores altos del índice EAPP pueden indicar la presencia de sesgo en los datos.

Descripción: Provee explicaciones sobre las predicciones. Entre otras ofrece datos sobre estabilidad, incertidumbre y gráficas qué muestran el resultado de la predicción al alterar las variables.

Descripción: Selección óptima de puntos a partir de reconstrucción de siluetas de múltiples vistas.

Descripción: Generación de imágenes usando IA generativa. Hace uso de la técnica DreamBooth

Descripción: Esta herramienta ofrece la funcionalidad de cargar conjuntos de datos, y entrenar y evaluar un conjunto de modelos de Detección de Anomalías orientados a imágenes disponibles en las bibliotecas de Detección de Anomalías en Superficies ITI-II3D.

Descripción: ITI-Gen light es una herramienta de validación de modelos de IA que puede trabajar sin conexión. Las consultas se hacen mediante tablas de datos tabulares, o bien importando un excel/csv o bien rellenando directamente la tabla. Permite visualizar las consultas ya realizadas y exportar las de interés a excel. Permite asociar etiquetas a cada consulta, en particular la del valor real de la predicción que debía de hacer el modelo para poder validar su rendimiento. Este demostrador está asociado a un modelo de clasificación caso/control de 3 variables v1 valor numérico en [-1,1], v2 valor ordinal y v3 valor categórico.

Descripción: La herramienta permite la segmentación de la mama, del tejido denso y el riesgo de desarrollar cáncer.