Análisis de distribución estadística, detección de sesgos sistémicos, verificación de fugas de datos entre divisiones de entrenamiento/prueba y control de anomalías en conjuntos de datos de aprendizaje automático. Cubre la integridad, el equilibrio de clases, la calidad de las etiquetas y la identificación de valores atípicos o duplicados que podrían comprometer la generalización y la equidad del modelo entrenado.