Compilación Justo a Tiempo (JIT)

A statistical measure of a process's ability to produce output within customer-defined specification limits. Unlike control charts, which track stability, Cpk quantifies capability. It measures how centered the process is between the specification limits and accounts for process variation. A higher Cpk value indicates a more capable process. The formula is [latex]C_{pk} = \min\left[\frac{USL - \mu}{3\sigma}, \frac{\mu - LSL}{3\sigma}\right][/latex].

El Modelo Espiral es un modelo de proceso de desarrollo de software basado en riesgos que combina elementos tanto del prototipado como del modelo en cascada. Es un tipo de desarrollo iterativo donde el proyecto pasa por cuatro fases en cada iteración (espiral): determinación de objetivos, identificación y resolución de riesgos, desarrollo y pruebas, y planificación de la siguiente iteración. Hace hincapié en el análisis continuo de riesgos.

La detección de señales es el proceso de identificar posibles relaciones causales entre un fármaco y un evento adverso a partir de grandes conjuntos de datos, generalmente sistemas de notificación espontánea. Utiliza métodos estadísticos, conocidos como análisis de desproporcionalidad, para encontrar combinaciones de fármaco y evento notificadas con mayor frecuencia de la esperada. Una medida común es el Odds Ratio de Notificación (ROR), un valor superior a uno que sugiere una posible señal que requiere mayor investigación.

Jakob Nielsen, un destacado consultor de usabilidad en UI y diseño web principalmente, definió la usabilidad a través de cinco componentes de calidad: Capacidad de aprendizaje (¿qué tan fácil es para los usuarios realizar tareas básicas la primera vez?), Eficiencia (¿qué tan rápido pueden realizar las tareas una vez aprendidas?), Memorabilidad (¿pueden los usuarios restablecer la competencia después de un período de no usarlo?), Errores (¿cuántos errores cometen los usuarios?) y Satisfacción (¿qué tan agradable es de usar?).

La norma internacional ISO 9241-11 define la usabilidad como el grado en que un producto puede ser utilizado por usuarios específicos para alcanzar objetivos específicos con eficacia, eficiencia y satisfacción en un contexto de uso específico. Esta definición proporciona un marco para medir la usabilidad, desglosándola en tres componentes distintos y cuantificables, yendo más allá de las evaluaciones puramente subjetivas.

BFT (acrónimo de Byzantine Fault Tolerance) es una propiedad de un sistema que le permite seguir funcionando correctamente y alcanzar el consenso aunque algunos de sus componentes fallen de forma arbitraria e impredecible, incluido el comportamiento malicioso (fallos bizantinos). Se trata de una garantía mucho mayor que la de tolerar simples fallos por colisión. Se requiere un mínimo de [latex]3f+1[/latex] componentes totales para tolerar [latex]f[/latex] componentes defectuosos y maliciosos.

RAID (acronym of Redundant Array of Independent Disks) is a data storage virtualization technology that combines multiple physical disk drives into one or more logical units for data redundancy, performance improvement, or both. Different RAID levels provide varying balances of reliability, availability, performance, and capacity. For example, RAID 1 mirrors data across two disks, while RAID 5 stripes data and parity across at least three disks.

La gestión ágil de proyectos es un enfoque iterativo para la ejecución de proyectos a lo largo de su ciclo de vida. Divide los proyectos grandes en tareas más pequeñas y manejables que se completan en iteraciones cortas o sprints. Esto permite la reevaluación frecuente, la adaptación de planes y la flexibilidad ante los cambios. Prioriza la colaboración con el cliente, el software funcional y la respuesta al cambio por encima de la documentación exhaustiva y los planes rígidos.

Algorithmic bias mitigation techniques are categorized into three main stages relative to the model training process. Pre-processing methods modify the training data itself (e.g., reweighing, resampling). In-processing methods incorporate fairness constraints directly into the model's learning algorithm. Post-processing methods adjust the model's predictions after they have been made to improve fairness.