Cursos de Explainability in Deep Learning: Demystifying Black-Box Models

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a profissionais de nível avançado que desejam aprimorar sua compreensão das técnicas de XAI para modelos complexos de IA.

No final deste treinamento, os participantes serão capazes de:

• Implementar técnicas XAI de última geração em modelos de IA.
• Interprete modelos de aprendizado profundo e suas decisões.
• Aplique métodos avançados de explicação agnóstica e específica do modelo.
• Abordar desafios relacionados à transparência da IA em sistemas complexos.

Este curso cobre AI (emphasizing Machine Learning e Deep Learning) em Automotive Indústria. Ajuda a determinar que tecnologia pode ser (potencialmente) usada em múltiplas situações em um carro: da simples automação, reconhecimento de imagem para tomada de decisão autónoma.

Este curso foi criado para administradores, solution architects, executivos de inovação, CTOs, e todos os interessados em aprender e conhecer o panorama geral da inteligência artificial aplicada aos problemas organizacionais.

This instructor-led, live training in Brasil (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.

A Rede Neuronal Artificial é um modelo de dados computacionais utilizado no desenvolvimento de sistemas Artificial Intelligence (AI) capazes de efetuar tarefas "inteligentes". As redes neuronais artificiais Neural Networks são normalmente utilizadas em aplicações Machine Learning (ML), que são elas próprias uma implementação da IA. Deep Learning é um subconjunto do ML.

Este é um curso de 4 dias que apresenta a IA e a sua aplicação. Existe a opção de ter um dia adicional para realizar um projeto de IA após a conclusão deste curso.

Este é um curso de 4 dias que introduz a IA e a sua aplicação utilizando a linguagem de programação Python. Existe a opção de ter um dia adicional para realizar um projeto de IA após a conclusão deste curso.

This instructor-led, live training in Brasil (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.

Rede Neural Artificial é um modelo de dados computacional utilizado no desenvolvimento de sistemas de Artificial Intelligence (AI) capazes de realizar tarefas "inteligentes". Neural Networks são comumente usadas em aplicações de Machine Learning (ML), que são elas mesmas uma implementação da IA. Deep Learning é um subconjunto do ML.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a pesquisadores e desenvolvedores que desejam usar Chainer para construir e treinar redes neurais em Python, tornando o código fácil de depurar.

No final desta formação, os participantes serão capazes de:

• Configurar o ambiente de desenvolvimento necessário para começar a desenvolver modelos de redes neurais.
• Definir e implementar modelos de redes neurais usando um código fonte compreensível.
• Execute exemplos e modifique os algoritmos existentes para otimizar os modelos de treinamento de aprendizado profundo, aproveitando GPU s para alto desempenho.

This instructor-led, live training in Brasil (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.

By the end of this training, participants will be able to:

• Apply core statistical methods to pattern recognition.
• Use key models like neural networks and kernel methods for data analysis.
• Implement advanced techniques for complex problem-solving.
• Improve prediction accuracy by combining different models.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a profissionais de nível iniciante que desejam aprender os fundamentos da IA explicável e seu papel no desenvolvimento de sistemas de IA responsáveis.

No final deste treinamento, os participantes serão capazes de:

• Compreender os conceitos fundamentais da IA explicável.
• Explore a importância da transparência e interpretabilidade nos modelos de IA.
• Aprenda técnicas básicas para tornar os modelos de IA explicáveis.
• Aplique técnicas XAI a modelos simples de aprendizado de máquina.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a profissionais de nível intermediário que desejam aplicar técnicas de IA explicáveis para garantir justiça, transparência e sistemas éticos de IA.

No final deste treinamento, os participantes serão capazes de:

• Compreender o papel do XAI em sistemas éticos de IA.
• Implementar técnicas XAI para detetar e mitigar o viés em modelos de IA.
• Garantir a transparência nos processos de tomada de decisão do modelo de IA.
• Alinhar o desenvolvimento de IA com padrões éticos e regulatórios.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a profissionais de nível intermediário a avançado que desejam implementar sistemas de IA transparentes em aplicativos do mundo real.

No final deste treinamento, os participantes serão capazes de:

• Compreender a importância da transparência nos modelos de IA.
• Implementar técnicas avançadas de XAI para interpretar modelos complexos.
• Melhore a transparência do modelo usando SHAP, LIME e outras ferramentas.
• Abordar preocupações éticas e justiça em modelos de IA.