Temario del curso
Introducción a la Explicabilidad en el Aprendizaje Profundo
- ¿Qué son los modelos de caja negra?
- La importancia de la transparencia en los sistemas de IA
- Visión general de los desafíos de explicabilidad en las redes neuronales
Técnicas Avanzadas de XAI para el Aprendizaje Profundo
- Métodos agnósticos al modelo para aprendizaje profundo: LIME, SHAP
- Propagación de relevancia nivel a nivel (LRP)
- Mapas de relevancia y métodos basados en gradientes
Explicando las Decisiones de las Redes Neuronales
- Visualización de capas ocultas en redes neuronales
- Comprensión de los mecanismos de atención en modelos de aprendizaje profundo
- Generación de explicaciones legibles para humanos a partir de redes neuronales
Herramientas para Explicar Modelos de Aprendizaje Profundo
- Introducción a bibliotecas de código abierto para XAI
- Uso de Captum e InterpretML para aprendizaje profundo
- Integración de técnicas de explicabilidad en TensorFlow y PyTorch
Interpretabilidad vs. Rendimiento
- Compromisos entre precisión e interpretabilidad
- Diseño de modelos de aprendizaje profundo interpretables y de alto rendimiento
- Manejo de sesgos y equidad en el aprendizaje profundo
Aplicaciones del Mundo Real de la Explicabilidad en el Aprendizaje Profundo
- Explicabilidad en modelos de IA para el sector salud
- Requisitos regulatorios para la transparencia en la IA
- Despliegue de modelos de aprendizaje profundo interpretables en producción
Consideraciones Éticas en el Aprendizaje Profundo Explicable
- Implicaciones éticas de la transparencia en la IA
- Equilibrar prácticas éticas de IA con la innovación
- Preocupaciones sobre privacidad en la explicabilidad del aprendizaje profundo
Resumen y Próximos Pasos
Requerimientos
- Conocimiento avanzado de aprendizaje profundo
- Familiaridad con Python y frameworks de aprendizaje profundo
- Experiencia trabajando con redes neuronales
Público Objetivo
- Ingenieros de aprendizaje profundo
- Especialistas en IA
Reseñas (2)
Fomentar la repetición en la construcción de indicaciones (prompts) entre quienes nunca han utilizado la IA, y animar a los usuarios experimentados a considerar métodos alternativos para su uso.
Matthew Gay - Tarsus Pharmaceuticals
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática