Entrar em Contato
 Duração 14 horas

Programa do Curso

Introdução à IA Explicável

  • O que é a IA Explicável (XAI)?
  • Importância da transparência nos modelos de IA
  • Principais desafios na interpretabilidade da IA

Técnicas Básicas de XAI

  • Métodos agnósticos de modelo: LIME, SHAP
  • Métodos de explicabilidade específicos de modelos
  • Explicando decisões tomadas por modelos de caixa-preta

Prática com Ferramentas de XAI

  • Introdução a bibliotecas de XAI de código aberto
  • Implementando XAI em modelos simples de aprendizado de máquina
  • Visualizando explicações e o comportamento do modelo

Desafios na Explicabilidade

  • Compromissos entre precisão e interpretabilidade
  • Limitações dos métodos atuais de XAI
  • Lidando com viés e equidade em modelos explicáveis

Considerações Éticas na XAI

  • Compreendendo as implicações éticas da transparência da IA
  • Equilibrando explicabilidade com o desempenho do modelo
  • Preocupações com privacidade e proteção de dados na XAI

Aplicações do Mundo Real da XAI

  • XAI em saúde, finanças e aplicação da lei
  • Requisitos regulatórios para explicabilidade
  • Construindo confiança em sistemas de IA através da transparência

Conceitos Avançados de XAI

  • Explorando explicações contrafactuais
  • Explicando redes neurais e modelos de aprendizado profundo
  • Interpretando sistemas complexos de IA

Tendências Futuras na IA Explicável

  • Técnicas emergentes na pesquisa de XAI
  • Desafios e oportunidades para a futura transparência da IA
  • Impacto da XAI no desenvolvimento responsável de IA

Requisitos

  • Compreensão básica dos conceitos de aprendizado de máquina
  • Familiaridade com programação em Python

Público-Alvo

  • Iniciantes em IA
  • Entusiastas da ciência de dados

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas