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 (3)
Me gustó mucho el final donde tuvimos la oportunidad de experimentar con CHAT GPT. La sala no estaba muy bien preparada para esto; en lugar de una gran mesa, varias mesas pequeñas nos habrían permitido formar grupos pequeños y generar ideas de manera más efectiva.
Nola - Laramie County Community College
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
Que se estuviera aplicando datos reales de la empresa. El formador tenía un enfoque muy bueno al hacer que los participantes colaboraran y competieran.
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Curso - Applied AI from Scratch in Python
Traducción Automática