Curso de Explainability in Deep Learning: Demystifying Black-Box Models
La explicabilidad en el aprendizaje profundo es un área crucial centrada en desmitificar el funcionamiento interno de las redes neuronales complejas. Este curso profundiza en técnicas avanzadas de explicabilidad, lo que permite a los participantes obtener información sobre los modelos de "caja negra" haciéndolos más interpretables y transparentes.
Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen explorar técnicas XAI de última generación para modelos de aprendizaje profundo, con un enfoque en la creación de sistemas de IA interpretables.
Al final de esta formación, los participantes serán capaces de:
- Comprenda los desafíos de la explicabilidad en el aprendizaje profundo.
- Implementar técnicas avanzadas de XAI para redes neuronales.
- Interprete las decisiones tomadas por los modelos de aprendizaje profundo.
- Evalúe las compensaciones entre el rendimiento y la transparencia.
Formato del curso
- Charla y discusión interactiva.
- Muchos ejercicios y práctica.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.
Programa del Curso
Introducción a Deep Learning Explicabilidad
- ¿Qué son los modelos de caja negra?
- La importancia de la transparencia en los sistemas de IA
- Visión general de los desafíos de explicabilidad en redes neuronales
Técnicas avanzadas de XAI para Deep Learning
- Métodos agnósticos de modelo para el aprendizaje profundo: LIME, SHAP
- Propagación de relevancia por capas (LRP)
- Mapas de prominencia y métodos basados en gradientes
Explicación de las decisiones de las redes neuronales
- Visualización de capas ocultas en redes neuronales
- Comprensión de los mecanismos de atención en modelos de aprendizaje profundo
- Generación de explicaciones legibles por humanos a partir de redes neuronales
Herramientas para explicar Deep Learning modelos
- Introducción a las bibliotecas XAI de código abierto
- Uso de Captum e InterpretML para el aprendizaje profundo
- Integración de técnicas de explicabilidad en TensorFlow y PyTorch
Interpretabilidad vs. rendimiento
- Compensaciones entre precisión e interpretabilidad
- Diseño de modelos de aprendizaje profundo interpretables pero de alto rendimiento
- Manejo del sesgo y la equidad en el aprendizaje profundo
Aplicaciones en el mundo real de Deep Learning explicabilidad
- Explicabilidad en modelos de IA sanitaria
- Requisitos normativos para la transparencia en la IA
- Implementación de modelos de aprendizaje profundo interpretables en producción
Consideraciones éticas en explicable Deep Learning
- Implicaciones éticas de la transparencia de la IA
- Equilibrar las prácticas éticas de IA con la innovación
- Preocupaciones de privacidad en la explicabilidad del aprendizaje profundo
Resumen y próximos pasos
Requerimientos
- Comprensión avanzada del aprendizaje profundo
- Familiaridad con Python y los marcos de aprendizaje profundo
- Experiencia trabajando con redes neuronales
Audiencia
- Ingenieros de aprendizaje profundo
- Especialistas en IA
Los cursos de formación abiertos requieren más de 5 participantes.
Curso de Explainability in Deep Learning: Demystifying Black-Box Models - Booking
Curso de Explainability in Deep Learning: Demystifying Black-Box Models - Enquiry
Explainability in Deep Learning: Demystifying Black-Box Models - Consultas
Consultas
Testimonios (5)
Hunter es fabuloso, muy atractivo, extremadamente conocedor y agradable. Muy bien hecho.
Rick Johnson - Laramie County Community College
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
Very flexible.
Frank Ueltzhoffer
Curso - Artificial Neural Networks, Machine Learning and Deep Thinking
Traducción Automática
I liked the new insights in deep machine learning.
Josip Arneric
Curso - Neural Network in R
Traducción Automática
Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.
Gudrun Bickelq
Curso - Introduction to the use of neural networks
Traducción Automática
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
Próximos cursos
Cursos Relacionados
Advanced Techniques in Explainable AI (XAI)
21 HorasEsta formación en directo dirigida por un instructor en Costa Rica (online o presencial) está dirigida a profesionales de nivel avanzado que deseen mejorar su comprensión de las técnicas XAI para modelos complejos de IA.
Al final de esta formación, los participantes serán capaces de:
- Implementar técnicas XAI de última generación en modelos de IA.
- Interpretar los modelos de aprendizaje profundo y sus decisiones.
- Aplique métodos avanzados de explicabilidad independientes del modelo y específicos del modelo.
- Aborde los desafíos relacionados con la transparencia de la IA en sistemas complejos.
Inteligencia Artificial en Automoción
14 HorasEste curso cubre AI (enfatizando Aprendizaje Automático y Aprendizaje Profundo) en la Industria Automotriz. Ayuda a determinar qué tecnología puede (potencialmente) utilizarse en situaciones múltiples en un automóvil: desde la simple automatización, el reconocimiento de imágenes hasta la toma de decisiones autónoma.
Visión general de Inteligencia Artificial
7 HorasEste curso ha sido creado para gerentes, arquitectos de soluciones, oficiales de innovación, CTO, arquitectos de software y cualquier persona que esté interesada en una visión general de la inteligencia artificial aplicada y el pronóstico más cercano para su desarrollo.
De Cero a AI
35 HorasThis instructor-led, live training in Costa Rica (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development.
By the end of this training, participants will be able to:
- Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
- Write and understand procedural, functional, and object-oriented programming code.
- Implement machine learning techniques such as classification, clustering, and neural networks.
- Develop AI solutions using rules engines and expert systems for problem-solving.
Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo
21 HorasLa Red Neuronal Artificial es un modelo de datos computacional utilizado en el desarrollo de Artificial Intelligence (AI) sistemas capaces de realizar tareas "inteligentes". Neural Networks se utilizan comúnmente en aplicaciones Machine Learning (ML), que a su vez son una implementación de la IA. Deep Learning es un subconjunto de ML.
Aprendizaje Automático Aplicado
14 HorasThis instructor-led, live training in Costa Rica (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.
By the end of this training, participants will be able to:
- Understand and implement various Machine Learning algorithms.
- Prepare data and models for machine learning applications.
- Conduct post hoc analyses and visualize results effectively.
- Apply machine learning techniques to real-world, sector-specific scenarios.
Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático
21 HorasArtificial Neural Network es un modelo de datos computacional usado en el desarrollo de sistemas de Artificial Intelligence (AI) capaces de realizar tareas "inteligentes". Neural Networks se usan comúnmente en aplicaciones de Machine Learning (ML), que son en sí mismas una implementación de AI. Deep Learning es un subconjunto de ML.
Reconocimiento de Patrones
21 HorasEsta capacitación en vivo dirigida por un instructor en Costa Rica (en línea o presencial) proporciona una introducción al campo del reconocimiento de patrones y el aprendizaje automático. Aborda aplicaciones prácticas en estadística, informática, procesamiento de señales, visión artificial, minería de datos y bioinformática.
Al final de esta formación, los participantes serán capaces de:
- Aplicar métodos estadísticos básicos al reconocimiento de patrones.
- Utilice modelos clave como redes neuronales y métodos de kernel para el análisis de datos.
- Implementar técnicas avanzadas para la resolución de problemas complejos.
- Mejore la precisión de la predicción mediante la combinación de diferentes modelos.
Introducción a Aprendizaje Profundo y Redes Neuronales Ingeniería
21 HorasTipo: Formación teórica con aplicaciones acordadas de antemano con los alumnos sobre Lasaña o Keras según el grupo pedagógico
Método didáctico: presentación, intercambios y estudios de casos
La inteligencia artificial, después de haber irrumpido en muchos campos científicos, ha comenzado a revolucionar un gran número de sectores económicos (industria, medicina, comunicación, etc.). Sin embargo, su presentación en los principales medios de comunicación es a menudo una fantasía, muy alejada de lo que realmente son los campos de Machine Learning o Deep Learning. El objetivo de esta formación es proporcionar a los ingenieros que ya tienen un dominio de las herramientas informáticas (incluyendo una programación básica de software) una introducción a Deep Learning así como a sus diferentes áreas de especialización y por tanto a las principales arquitecturas de red existentes en la actualidad. Si se recuerdan los conceptos básicos de matemáticas durante el curso, se recomienda un nivel de matemáticas del tipo BAC+2 para mayor comodidad. Es absolutamente posible saltarse el eje matemático para mantener solo una visión de "sistema", pero este enfoque limitará en gran medida su comprensión del tema.
Introducción al Uso de Neural Networks
7 HorasLa capacitación está dirigida a personas que desean aprender los conceptos básicos de las redes neuronales y sus aplicaciones.
Red Neuronal en R
14 HorasEste curso es una introducción a la aplicación de redes neuronales en problemas del mundo real utilizando el software R-project.
Programación de TPU: Construcción de Aplicaciones de Redes Neuronales en Unidades de Procesamiento de Tensiones
7 HorasEn esta capacitación en vivo dirigida por un instructor en Costa Rica, los participantes aprenderán cómo aprovechar las innovaciones en los procesadores de TPU para maximizar el rendimiento de sus propias aplicaciones de IA.
Al final de la capacitación, los participantes podrán:
- Entrene varios tipos de redes neuronales con grandes cantidades de datos.
- Utilice TPU para acelerar el proceso de inferencia hasta en dos órdenes de magnitud.
- Utilice TPU para procesar aplicaciones intensivas, como búsqueda de imágenes, visión en la nube y fotos.
Introduction to Explainable AI (XAI) for Beginners
14 HorasEsta capacitación en vivo dirigida por un instructor en Costa Rica (en línea o presencial) está dirigida a profesionales de nivel principiante que desean aprender los conceptos básicos de la IA explicable y su papel en el desarrollo de sistemas de IA responsables.
Al final de esta formación, los participantes serán capaces de:
- Comprender los conceptos fundamentales de la IA explicable.
- Explore la importancia de la transparencia y la interpretabilidad en los modelos de IA.
- Aprende técnicas básicas para hacer que los modelos de IA sean explicables.
- Aplique técnicas XAI a modelos sencillos de aprendizaje automático.
Explainable AI (XAI) for Ethical AI Development
14 HorasEsta capacitación en vivo dirigida por un instructor en Costa Rica (en línea o presencial) está dirigida a profesionales de nivel intermedio que deseen aplicar técnicas de IA explicables para garantizar la equidad, la transparencia y los sistemas de IA éticos.
Al final de esta formación, los participantes serán capaces de:
- Comprender el papel de la XAI en los sistemas éticos de IA.
- Implemente técnicas XAI para detectar y mitigar el sesgo en los modelos de IA.
- Garantizar la transparencia en los procesos de toma de decisiones de los modelos de IA.
- Alinear el desarrollo de la IA con los estándares éticos y regulatorios.
Explainable AI (XAI) for Transparency in AI Models
21 HorasEsta capacitación en vivo dirigida por un instructor en Costa Rica (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen implementar sistemas de IA transparentes en aplicaciones del mundo real.
Al final de esta formación, los participantes serán capaces de:
- Comprender la importancia de la transparencia en los modelos de IA.
- Implementar técnicas avanzadas de XAI para interpretar modelos complejos.
- Mejore la transparencia del modelo con SHAP, LIME y otras herramientas.
- Abordar las preocupaciones éticas y la equidad en los modelos de IA.