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
- Repaso de métodos básicos de XAI.
- Desafíos al interpretar modelos complejos de IA.
- Tendencias en investigación y desarrollo de XAI.
Técnicas Explicativas Independientes del Modelo (Model-Agnostic)
- SHAP (SHapley Additive exPlanations).
- LIME (Local Interpretable Model-agnostic Explanations).
- Explicaciones ancla (Anchor explanations).
Técnicas Explicativas Específicas del Modelo (Model-Specific)
- Propagación de relevancia por capas (LRP - Layer-wise Relevance Propagation).
- DeepLIFT (Deep Learning Important FeaTures).
- Métodos basados en gradientes (Grad-CAM, Gradientes Integrados).
Explicando Modelos de Aprendizaje Profundo
- Interpretación de redes neuronales convolucionales (CNNs).
- Explicación de redes neuronales recurrentes (RNNs).
- Análisis de modelos basados en transformadores (BERT, GPT).
Abordando Desafíos de Interpretabilidad
- Superar las limitaciones de los modelos de "caja negra".
- Equilibrar precisión e interpretabilidad.
- Abordar sesgos y equidad en las explicaciones.
Aplicaciones de XAI en Sistemas Reales
- XAI en sistemas de salud, finanzas y legales.
- Requerimientos de regulación y cumplimiento normativo para la IA.
- Construir confianza y rendición de cuentas mediante XAI.
Tendencias Futuras en IA Explicable
- Técnicas y herramientas emergentes en XAI.
- Modelos explicativos 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.
- Experiencia con redes neuronales y aprendizaje profundo.
- Familiaridad con técnicas básicas de XAI.
Audiencia Objetivo
- Investigadores experimentados en IA.
- Ingenieros de aprendizaje automático.
21 Horas
