Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción a las Técnicas Avanzadas de XAI
- Revisión de los métodos básicos de XAI
- Desafíos en la interpretación de modelos complejos de IA
- Tendencias en investigación y desarrollo de XAI
Técnicas de explicabilidad independientes del modelo
- SHAP (Explicaciones de aditivos de SHapley)
- LIME (Explicaciones Independientes del Modelo Interpretable Local)
- Explicaciones de anclaje
Técnicas de explicabilidad específicas del modelo
- Propagación de relevancia por capas (LRP)
- DeepLIFT (Deep Learning Características importantes)
- Métodos basados en gradientes (Grad-CAM, Gradientes integrados)
Explicación Deep Learning de los modelos
- Interpretación de redes neuronales convolucionales (CNN)
- Explicación de las redes neuronales recurrentes (RNN)
- Análisis de modelos basados en transformadores (BERT, GPT)
Manejo de los desafíos de interpretabilidad
- Abordar las limitaciones del modelo de caja negra
- Equilibrio entre la precisión y la interpretabilidad
- Lidiar con el sesgo y la equidad en las explicaciones
Aplicaciones de XAI en sistemas del mundo real
- XAI en los sistemas sanitarios, financieros y jurídicos
- Requisitos de regulación y cumplimiento de la IA
- Generar confianza y responsabilidad a través de XAI
Tendencias futuras en IA explicable
- Técnicas y herramientas emergentes en XAI
- Modelos de explicabilidad de próxima generación
- Oportunidades y desafíos en la transparencia de la IA
Resumen y próximos pasos
Requerimientos
- Sólidos conocimientos de IA y aprendizaje automático
- Experiencia con redes neuronales y aprendizaje profundo
- Familiaridad con las técnicas básicas de XAI
Audiencia
- Investigadores de IA con experiencia
- Ingenieros de aprendizaje automático
21 Horas
