Maestría en Ingeniería Eléctrica · 2026

A Probabilistic Nonlinear Multi-Class Model with Multiple Annotators within an Active Learning Framework

Los sistemas de aprendizaje automático, particularmente dentro del paradigma de aprendizaje supervisado, tradicionalmente asumen la disponibilidad de una única etiqueta de referencia (ground truth) proporcionada por un “oráculo” confiable. Sin embargo, esta suposición rara vez se cumple en escenarios del mundo real. En contextos de recolección de datos a gran escala, plataformas como Amazon Mechanical Turk permiten que múltiples anotadores proporcionen etiquetas para un mismo conjunto de datos, introduciendo variabilidad debido a diferencias en experiencia, sesgo y confiabilidad. Asimismo, en dominios especializados como el diagnóstico médico, el costo de anotación puede ser considerablemente alto, ya que requiere conocimiento experto, lo cual limita la viabilidad y escalabilidad de muchas aplicaciones de inteligencia artificial.