Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução à IA explicável (XAI) e à transparência de modelos
- O que é a IA explicável?
- Porque é que a transparência é importante nos sistemas de IA
- Interpretabilidade vs. desempenho em modelos de IA
Visão geral das técnicas de XAI
- Métodos agnósticos de modelos: SHAP, LIME
- Técnicas de explicabilidade específicas dos modelos
- Explicação das redes neuronais e dos modelos de aprendizagem profunda
Construir modelos de IA transparentes
- Implementar modelos interpretáveis na prática
- Comparação entre modelos transparentes e modelos de caixa negra
- Equilíbrio entre complexidade e explicabilidade
Ferramentas e bibliotecas avançadas de XAI
- Utilização do SHAP para interpretação de modelos
- Aproveitamento do LIME para explicabilidade local
- Visualização de decisões e comportamentos de modelos
Abordar a equidade, o enviesamento e a IA ética
- Identificar e mitigar o enviesamento nos modelos de IA
- Equidade na IA e os seus impactos sociais
- Garantir a responsabilidade e a ética na implementação da IA
Aplicações da XAI no mundo real
- Estudos de caso nos sectores da saúde, finanças e administração pública
- Interpretar modelos de IA para conformidade regulamentar
- Criar confiança com sistemas de IA transparentes
Direcções futuras em IA explicável
- Investigação emergente em XAI
- Desafios no escalonamento da XAI para sistemas de grande escala
- Oportunidades para o futuro da IA transparente
Resumo e próximas etapas
Requisitos
- Experiência em aprendizagem automática e desenvolvimento de modelos de IA
- Familiaridade com a programação Python
Público-alvo
- Cientistas de dados
- Engenheiros de aprendizagem automática
- Especialistas em IA
21 Horas