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.
Temario del curso
Introducción a las Técnicas Avanzadas de XAI
- Revisión de métodos básicos de XAI.
- Desafíos en la interpretación de modelos de IA complejos.
- Tendencias en investigación y desarrollo de XAI.
Técnicas de Explicabilidad Model-Agnostic
- SHAP (SHapley Additive exPlanations).
- LIME (Local Interpretable Model-agnostic Explanations).
- Explicaciones tipo Anchor.
Técnicas de Explicabilidad Model-Specific
- Propagación de relevancia por capas (LRP).
- DeepLIFT (Deep Learning Important FeaTures).
- Métodos basados en gradientes (Grad-CAM, Gradientes Integrados).
Explicación de Modelos de Aprendizaje Profundo
- Interpretación de redes neuronales convolucionales (CNNs).
- Explicación de redes neuronales recurrentes (RNNs).
- Análisis de modelos basados en transformadores (BERT, GPT).
Manejo de Desafíos de Interpretabilidad
- Abordar las limitaciones de los modelos de caja negra.
- Equilibrar precisión e interpretabilidad.
- Abordar sesgos y equidad en las explicaciones.
Aplicaciones de XAI en Sistemas del Mundo Real
- XAI en los sectores salud, financiero y legal.
- Requisitos de regulación y cumplimiento normativo para la IA.
- Construir confianza y responsabilidad mediante 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
- Sólida comprensión de la IA y el aprendizaje automático (machine learning).
- Experiencia con redes neuronales y aprendizaje profundo.
- Conocimiento familiar de técnicas básicas de XAI.
Público Objetivo
- Investigadores experimentados en IA.
- Ingenieros de aprendizaje automático.
21 Horas
