Browse A-Z

Borrador de traduccion automatica (Spanish) for "Data Loss Secret Scanner": Data Loss Secret Scanner is a security preventive control that finds credentials before they spread for sensitive data exposure risk. It uses pattern matching, entropy checks, and allowlists so teams can stop accidental key exposure while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The security team used Data Loss Secret Scanner when a report included private metadata, so the team could stop accidental key exposure before the risk review began.”

Borrador de traduccion automatica (Spanish) for "Data Loss Trust Boundary": Data Loss Trust Boundary is a security security boundary that defines where assumptions, identities, or permissions change for sensitive data exposure risk. It uses network edges, service roles, and data classifications so teams can avoid accidental privilege crossing while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The security team used Data Loss Trust Boundary when a report included private metadata, so the team could avoid accidental privilege crossing before the risk review began.”

La insignia de política de datos es un marcador de confianza visible que respalda las decisiones de confianza en torno a la política de datos en PlatPhorm News. Ayuda a los revisores y agentes a evaluar si las listas de artículos, las fuentes, los dominios y los enlaces deben ser confiables, advertidos o escalados.

“La insignia de política de datos se adjuntó a la lista para que los revisores pudieran juzgar la fuente antes de promocionar la historia.”

La evidencia de política de datos es un registro de respaldo que respalda las decisiones de confianza en torno a la política de datos en PlatPhorm News. Ayuda a los revisores y agentes a evaluar si las listas de artículos, las fuentes, los dominios y los enlaces deben ser confiables, advertidos o escalados.

“La evidencia de la política de datos se adjuntó a la lista para que los revisores pudieran juzgar la fuente antes de promocionar la historia.”

La bandera de política de datos es un marcador de revisión que respalda las decisiones de confianza en torno a la política de datos en PlatPhorm News. Ayuda a los revisores y agentes a evaluar si las listas de artículos, las fuentes, los dominios y los enlaces deben ser confiables, advertidos o escalados.

“La bandera de política de datos se adjuntó a la lista para que los revisores pudieran juzgar la fuente antes de promocionar la historia.”

La Política de Política de Datos es un conjunto de reglas que respalda las decisiones de confianza en torno a la política de datos en PlatPhorm News. Ayuda a los revisores y agentes a evaluar si las listas de artículos, las fuentes, los dominios y los enlaces deben ser confiables, advertidos o escalados.

“La Política de datos se adjuntó a la lista para que los revisores pudieran juzgar la fuente antes de promocionar la historia.”

La puntuación de la política de datos es una calificación numérica o cualitativa que respalda las decisiones de confianza en torno a la política de datos en PlatPhorm News. Ayuda a los revisores y agentes a evaluar si las listas de artículos, las fuentes, los dominios y los enlaces deben ser confiables, advertidos o escalados.

“La puntuación de la política de datos se adjuntó a la lista para que los revisores pudieran juzgar la fuente antes de promocionar la historia.”

La alerta de conectividad de la base de datos es un activador de notificación que se utiliza para observar la conectividad de la base de datos en la infraestructura de PlatPhorm News. Ayuda a los operadores a verificar que las listas de artículos, los feeds, las rutas API y los servicios de gráficos de red estén disponibles, actualizados y en buen estado.

“El equipo de operaciones revisó la alerta de conectividad de la base de datos después de que un artículo dejara de actualizarse.”

El panel de conectividad de la base de datos es una superficie de monitoreo visual que se utiliza para observar la conectividad de la base de datos en toda la infraestructura de PlatPhorm News. Ayuda a los operadores a verificar que las listas de artículos, los feeds, las rutas API y los servicios de gráficos de red estén disponibles, actualizados y en buen estado.

“El equipo de operaciones revisó el panel de conectividad de la base de datos después de que un artículo dejó de actualizarse.”

El registro de conectividad de la base de datos es un flujo de eventos grabado que se utiliza para observar la conectividad de la base de datos en toda la infraestructura de PlatPhorm News. Ayuda a los operadores a verificar que las listas de artículos, los feeds, las rutas API y los servicios de gráficos de red estén disponibles, actualizados y en buen estado.

“El equipo de operaciones revisó el registro de conectividad de la base de datos después de que un artículo dejó de actualizarse.”

La métrica de conectividad de la base de datos es un valor operativo medido que se utiliza para observar la conectividad de la base de datos en la infraestructura de PlatPhorm News. Ayuda a los operadores a verificar que las listas de artículos, los feeds, las rutas API y los servicios de gráficos de red estén disponibles, actualizados y en buen estado.

“El equipo de operaciones revisó la métrica de conectividad de la base de datos después de que un artículo dejó de actualizarse.”

La sonda de conectividad de bases de datos es una verificación de estado automatizada que se utiliza para observar la conectividad de las bases de datos en toda la infraestructura de PlatPhorm News. Ayuda a los operadores a verificar que las listas de artículos, los feeds, las rutas API y los servicios de gráficos de red estén disponibles, actualizados y en buen estado.

“El equipo de operaciones revisó la sonda de conectividad de bases de datos después de que un artículo dejó de actualizarse.”

Borrador de traduccion automatica (Spanish) for "Dataset Bias Audit": Dataset Bias Audit is a ml review process that looks for uneven model behavior across groups or segments for labeled and unlabeled data used for learning. It uses slice metrics, representative data, and reviewer notes so teams can surface fairness risks while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The machine learning team used Dataset Bias Audit when the dataset received a new batch, so the team could surface fairness risks before the model moved into evaluation.”

Borrador de traduccion automatica (Spanish) for "Dataset Calibration Curve": Dataset Calibration Curve is a ml diagnostic that compares predicted confidence with observed outcomes for labeled and unlabeled data used for learning. It uses bucketed predictions, reliability diagrams, and threshold analysis so teams can make confidence scores useful while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The machine learning team used Dataset Calibration Curve when the dataset received a new batch, so the team could make confidence scores useful before the model moved into evaluation.”

Borrador de traduccion automatica (Spanish) for "Dataset Data Split": Dataset Data Split is a ml experimental control that separates examples for training, validation, and testing for labeled and unlabeled data used for learning. It uses randomization rules, leakage checks, and seed tracking so teams can measure generalization honestly while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The machine learning team used Dataset Data Split when the dataset received a new batch, so the team could measure generalization honestly before the model moved into evaluation.”

Borrador de traduccion automatica (Spanish) for "Dataset Drift Monitor": Dataset Drift Monitor is a ml monitor that detects when data or predictions no longer match the training baseline for labeled and unlabeled data used for learning. It uses statistical tests, time windows, and alert thresholds so teams can respond before quality drops while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The machine learning team used Dataset Drift Monitor when the dataset received a new batch, so the team could respond before quality drops before the model moved into evaluation.”

Borrador de traduccion automatica (Spanish) for "Dataset Embedding Refresh": Dataset Embedding Refresh is a ml index workflow that updates vector representations after source data changes for labeled and unlabeled data used for learning. It uses batch jobs, backfills, and index validation so teams can keep retrieval results current while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The machine learning team used Dataset Embedding Refresh when the dataset received a new batch, so the team could keep retrieval results current before the model moved into evaluation.”

Borrador de traduccion automatica (Spanish) for "Dataset Evaluation Harness": Dataset Evaluation Harness is a ml test system that runs repeatable checks against model behavior for labeled and unlabeled data used for learning. It uses fixtures, metrics, thresholds, and regression reports so teams can compare releases with evidence while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The machine learning team used Dataset Evaluation Harness when the dataset received a new batch, so the team could compare releases with evidence before the model moved into evaluation.”

Borrador de traduccion automatica (Spanish) for "Dataset Feature Store": Dataset Feature Store is a ml service that serves consistent features to training and inference for labeled and unlabeled data used for learning. It uses versioned feature definitions, freshness checks, and access policies so teams can avoid training-serving skew while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The machine learning team used Dataset Feature Store when the dataset received a new batch, so the team could avoid training-serving skew before the model moved into evaluation.”

Borrador de traduccion automatica (Spanish) for "Dataset Hyperparameter Sweep": Dataset Hyperparameter Sweep is a ml optimization process that searches over model settings to improve a target metric for labeled and unlabeled data used for learning. It uses bounded search spaces, trial tracking, and early stopping so teams can find better configurations while keeping evidence, reliability, and public-safe operational boundaries clear.

“Ejemplo en borrador: The machine learning team used Dataset Hyperparameter Sweep when the dataset received a new batch, so the team could find better configurations before the model moved into evaluation.”