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 inteligencia artificial
- Descripción general de los desafíos de explicabilidad en las redes neuronales
Técnicas avanzadas de XAI para el aprendizaje profundo
- Métodos independientes del modelo: LIME y SHAP
- Propagación de relevancia por capas (LRP)
- Mapas de saliencia y métodos basados en gradientes
Interpretación de las decisiones tomadas por redes neuronales
- Visualización de las capas ocultas en las redes neuronales
- Comprensión de los mecanismos de atención en los modelos de aprendizaje profundo
- Generación de explicaciones comprensibles para el ser humano a partir de las redes neuronales
Herramientas destinadas a explicar modelos de aprendizaje profundo
- Introducción a librerías open source de XAI
- Aplicación práctica de Captum e InterpretML al aprendizaje profundo
- Integración de técnicas explicativas en TensorFlow y PyTorch
Interpretabilidad frente a rendimiento
- Equilibrio entre precisión e interpretabilidad
- Diseño de modelos de aprendizaje profundo que sean tanto interpretables como eficaces
- Gestión de sesgos y equidad en los sistemas de aprendizaje profundo
Aplicaciones reales de la explicabilidad en el aprendizaje profundo
- Utilidad de la explicabilidad en modelos de inteligencia artificial aplicados a la salud
- Requisitos regulatorios relativos a la transparencia en IA
- Implementación de modelos interpretables en entornos productivos<\/li>
Consideraciones éticas en el ámbito de la explicabilidad del aprendizaje profundo
- Implicaciones éticas derivadas de la transparencia en IA
- Compromiso entre prácticas éticas y desarrollo innovador en inteligencia artificial
- Cuestiones de privacidad vinculadas a la explicabilidad del aprendizaje profundo
Síntesis y próximos pasos
Requerimientos
- Conocimientos avanzados sobre aprendizaje profundo
- Dominio del lenguaje Python y de las herramientas de aprendizaje profundo
- Experiencia práctica en el trabajo con redes neuronales
Público objetivo
- Ingenieros especializados en aprendizaje profundo
- Especialistas en inteligencia artificial
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 4350 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
Reseñas (2)
Fomentar la repetición en la construcción de indicaciones (prompts) entre quienes nunca han utilizado la IA, y animar a los usuarios experimentados a considerar métodos alternativos para su uso.
Matthew Gay - Tarsus Pharmaceuticals
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