Este ejercicio forma parte del curso
Empieza tu viaje explorando los conceptos fundamentales de la IA explicable. Aprende a extraer reglas de decisión de árboles de decisión. Deduce y visualiza la importancia de las características usando modelos lineales y basados en árboles para obtener información sobre cómo hacen previsiones estos modelos, lo que permite una toma de decisiones más transparente.
Desbloquea el poder de las técnicas independientes del modelo para percibir la influencia de las características en diferentes modelos. Emplea la importancia de la permutación y valores SHAP para analizar cómo influyen las características en el comportamiento del modelo. Explora herramientas de visualización SHAP para hacer más comprensibles los conceptos de la explicabilidad.
Sumérgete en la explicabilidad local y explica previsiones individuales. Aprende a aprovechar SHAP para la explicabilidad local. Domina LIME para revelar los factores específicos que influyen en los resultados individuales mediante datos de texto, tabla o imagen.
Explora temas avanzados de la IA explicable evaluando los comportamientos de los modelos y la eficacia de los métodos de explicabilidad. Adquiere competencia en la evaluación de la consistencia y la fidelidad de las explicaciones, profundiza en el análisis de modelos no supervisado y aprende a aclarar los procesos de razonamiento de modelos de IA generativa como ChatGPT. Equípate con técnicas para medir y mejorar la explicabilidad en sistemas de IA complejos.
Ejercicio actual