Programa del Curso

Introducción a la Inteligencia Artificial Explicativa (XAI)

  • ¿Qué es la Inteligencia Artificial Explicativa (XAI)?
  • Importancia de la transparencia en los modelos de IA
  • Desafíos clave en la interpretación de la IA

Técnicas Básicas de XAI

  • Métodos agnósticos al modelo: LIME, SHAP
  • Métodos explicativos específicos del modelo
  • Explicando decisiones tomadas por modelos de caja negra

Práctica con Herramientas XAI

  • Introducción a las bibliotecas open-source de XAI
  • Implementación de XAI en modelos de aprendizaje automático simples
  • Visualización de explicaciones y comportamiento del modelo

Desafíos en la Explicabilidad

  • Trade-offs entre precisión e interpretabilidad
  • Limitaciones de los métodos actuales de XAI
  • Manejo del sesgo y equidad en modelos explicables

Consideraciones Éticas en XAI

  • Comprensión de las implicaciones éticas de la transparencia de IA
  • Balance entre explicabilidad y rendimiento del modelo
  • Preocupaciones sobre privacidad y protección de datos en XAI

Aplicaciones Reales de XAI

  • XAI en salud, finanzas y fuerzas del orden
  • Requisitos regulatorios para la explicabilidad
  • Construyendo confianza en sistemas de IA a través de la transparencia

Conceptos Avanzados de XAI

  • Exploración de explicaciones contrafácticas
  • Explicando redes neuronales y modelos de aprendizaje profundo
  • Interpretación de sistemas de IA complejos

Tendencias Futuras en la Inteligencia Artificial Explicativa

  • Nuevas técnicas en investigación XAI
  • Desafíos y oportunidades para futura transparencia de IA
  • Impacto del XAI en el desarrollo responsable de la IA

Resumen y Próximos Pasos

Requerimientos

  • Comprendimiento básico de los conceptos de aprendizaje automático
  • Familiaridad con la programación en Python

Publico objetivo

  • Principiantes en IA
  • Entusiastas de la ciencia de datos
 14 Horas

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas