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 Técnicas Avanzadas de XAI
- Revisión de 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 (Model-Agnostic)
- SHAP (Explicaciones Aditivas de Shapley)
- LIME (Modelo Local Explicable Independiente del Modelo)
- Explicaciones Anchor
Técnicas de Explicabilidad Específicas del Modelo
- Propagación de relevancia por capas (LRP)
- DeepLIFT (Características Importantes de Aprendizaje Profundo)
- Métodos basados en gradientes (Grad-CAM, Gradientes Integrados)
Explicación de Modelos de Aprendizaje Profundo
- Interpretación de redes neuronales convolucionales (CNN)
- Explicación de redes neuronales recurrentes (RNN)
- 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
- Manejar el sesgo y la equidad en las explicaciones
Aplicaciones de XAI en Sistemas del Mundo Real
- XAI en salud, finanzas y sistemas legales
- Requisitos de regulación y cumplimiento de la IA
- Fomentar la confianza y la 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
- Sólida comprensión de la IA y el aprendizaje automático (machine learning)
- Experiencia con redes neuronales y aprendizaje profundo
- Familiaridad con técnicas básicas de XAI
Público Objetivo
- Investigadores experimentados en IA
- Ingenieros de aprendizaje automático (machine learning)
21 Horas
