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 redes neuronales.
Técnicas Avanzadas de XAI para el Aprendizaje Profundo
- Métodos independientes del modelo para el aprendizaje profundo: LIME, SHAP.
- Propagación de relevancia por capas (LRP).
- Mapas de saliencia y métodos basados en gradientes.
Explicando las Decisiones de la Red Neuronal
- Visualización de capas ocultas en redes neuronales.
- Comprensión de los mecanismos de atención en modelos de aprendizaje profundo.
- Generación de explicaciones legibles por humanos a partir de redes neuronales.
Herramientas para Explicar Modelos de Aprendizaje Profundo
- Introducción a bibliotecas de XAI de código abierto.
- Uso de Captum e InterpretML para el 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 pero con alto rendimiento.
- Gestión del sesgo y la equidad en el aprendizaje profundo.
Aplicaciones en el Mundo Real de la Explicabilidad en el Aprendizaje Profundo
- Explicabilidad en modelos de IA para la salud.
- Requisitos regulatorios de transparencia en la IA.
- Implementación de modelos de aprendizaje profundo interpretables en entornos de producción.
Consideraciones Éticas en el Aprendizaje Profundo Explicable
- Implicaciones éticas de la transparencia en la IA.
- Equilibrio entre prácticas éticas de IA e innovación.
- Preocupaciones de privacidad en la explicabilidad del aprendizaje profundo.
Resumen y Próximos Pasos
Requerimientos
- Comprensión avanzada del aprendizaje profundo.
- Conocimiento de Python y marcos de aprendizaje profundo.
- Experiencia trabajando con redes neuronales.
Público Objetivo
- Ingenieros de aprendizaje profundo.
- Especialistas en IA.
Reseñas (3)
Me gustó mucho el final donde tuvimos la oportunidad de experimentar con CHAT GPT. La sala no estaba muy bien preparada para esto; en lugar de una gran mesa, varias mesas pequeñas nos habrían permitido formar grupos pequeños y generar ideas de manera más efectiva.
Nola - Laramie County Community College
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
Que se estuviera aplicando datos reales de la empresa. El formador tenía un enfoque muy bueno al hacer que los participantes colaboraran y competieran.
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Curso - Applied AI from Scratch in Python
Traducción Automática
