Ponte en Contacto
 Duración 14 horas

Temario del curso

Introducción a la IA Explicable

  • ¿Qué es la IA Explicable (XAI)?
  • Importancia de la transparencia en los modelos de IA
  • Principales desafíos en la interpretabilidad de la IA

Técnicas básicas de XAI

  • Métodos agnósticos del modelo: LIME, SHAP
  • Métodos de explicabilidad específicos del modelo
  • Explicación de decisiones tomadas por modelos de caja negra

Manejo práctico de herramientas de XAI

  • Introducción a bibliotecas de XAI de código abierto
  • Implementación de XAI en modelos simples de aprendizaje automático
  • Visualización de explicaciones y comportamiento del modelo

Desafíos en la explicabilidad

  • Compromisos entre precisión e interpretabilidad
  • Limitaciones de los métodos actuales de XAI
  • Manejo de sesgos y equidad en modelos explicables

Consideraciones éticas en XAI

  • Comprensión de las implicaciones éticas de la transparencia en la IA
  • Equilibrio entre la explicabilidad y el rendimiento del modelo
  • Preocupaciones sobre privacidad y protección de datos en XAI

Aplicaciones del mundo real de XAI

  • XAI en atención médica, finanzas y aplicación de la ley
  • Requisitos regulatorios para la explicabilidad
  • Construcción de confianza en los sistemas de IA a través de la transparencia

Conceptos avanzados de XAI

  • Exploración de explicaciones contrafactuales
  • Explicación de redes neuronales y modelos de aprendizaje profundo
  • Interpretación de sistemas de IA complejos

Tendencias futuras en la IA Explicable

  • Técnicas emergentes en la investigación de XAI
  • Desafíos y oportunidades para la transparencia futura de la IA
  • Impacto de XAI en el desarrollo responsable de la IA

Requerimientos

  • Conocimientos básicos de los conceptos de aprendizaje automático
  • Familiaridad con la programación en Python

Público objetivo

  • Principiantes en IA
  • Entusiastas de la ciencia de datos

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas