IA explicable en Python
"Adquiere habilidades esenciales con Scikit-learn, SHAP y LIME para crear sistemas de IA transparentes."
Comienza El Curso Gratis4 horas14 vídeos42 ejercicios
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?
Probar DataCamp for BusinessPreferido por estudiantes en miles de empresas
Descripción del curso
Descubre el poder de la IA explicable
Embárcate en un viaje al intrigante mundo de la IA explicable y descubre los misterios que se esconden tras la toma de decisiones de la IA. Ideal para científicos de datos y profesionales del ML, este curso te dota de las habilidades esenciales para interpretar y dilucidar los comportamientos de los modelos de IA utilizando Python, capacitándote para construir sistemas de IA más transparentes, fiables y responsables. Al dominar la IA explicable, mejorarás tu capacidad para depurar modelos, cumplir los requisitos normativos y generar confianza en las aplicaciones de la IA en diversos sectores.Explora las técnicas de explicabilidad
Empieza por comprender los enfoques de explicabilidad específicos de cada modelo. Utiliza bibliotecas de Python como Scikit-learn para visualizar árboles de decisión y analizar el impacto de las características en modelos lineales. Después, pasa a las técnicas agnósticas del modelo que funcionan en varios modelos. Utiliza herramientas como SHAP y LIME para ofrecer una visión detallada del comportamiento general del modelo y de las predicciones individuales, perfeccionando tu capacidad para analizar y explicar los modelos de IA en aplicaciones del mundo real.Profundiza en la explicabilidad
Aprende a evaluar la fiabilidad y coherencia de las explicaciones, comprende los matices de la explicación de modelos no supervisados y explora el potencial de la explicación de modelos generativos de IA mediante ejemplos prácticos. Al final del curso, tendrás los conocimientos y las herramientas para explicar con confianza las decisiones de los modelos de IA, garantizando la transparencia y la fiabilidad de tus aplicaciones de IA.¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.En las siguientes pistas
Ingeniero Asociado de IA para Científicos de Datos
Ir a la pista- 1
Fundamentos de la IA explicable
GratuitoEmpieza 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.
Introducción a la IA explicable50 xpÁrboles de decisión frente a redes neuronales100 xpExplicabilidad independiente del modelo frente a explicabilidad específica del modelo50 xpExplicabilidad en modelos lineales50 xpCalcular el impacto de las características con regresión lineal100 xpCalcular el impacto de las características con regresión logística100 xpExplicabilidad en modelos basados en árboles50 xpCalcular la importancia de las características con árboles de decisión100 xpCalcular la importancia de las características con bosques aleatorios100 xp - 2
Explicabilidad independiente del modelo
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.
Importancia de la permutación50 xpImportancia de la permutación para MLPClassifier100 xpCoeficientes frente a importancia de la permutación100 xpExplicabilidad SHAP50 xpEncontrar predictores clave de gastos médicos con SHAP100 xpEncontrar predictores clave de cardiovasculopatías con SHAP100 xpSHAP.KernelExplainer50 xpKernelexplainer para MLPRegressor100 xpKernelexplainer para MLPClassifier100 xpSHAP frente a enfoques específicos del modelo100 xpVisualizar la explicabilidad SHAP50 xpGráficos de importancia de las características para análisis de admisiones100 xpAnalizar los efectos de las características con gráficos de enjambre100 xpEvaluar el impacto con gráficos de dependencia parcial100 xp - 3
Explicabilidad local
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.
Explicabilidad local con SHAP50 xpExplicabilidad global frente a explicabilidad local100 xpSHAP para explicar niveles de ingresos100 xpExplicabilidad local con LIME50 xpInterpretar localmente los regresores100 xpInterpretar localmente los clasificadores100 xpExplicabilidad de textos e imágenes con LIME50 xpExplicar las previsiones del análisis de sentimiento100 xpExplicar las previsiones de la imagen de alimentos100 xp - 4
Temas avanzados de IA explicable
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.
Parámetros de explicabilidad50 xpEvaluar la consistencia de la explicación SHAP100 xpEvaluar la fidelidad con LIME100 xpExplicar los modelos no supervisados50 xpImpacto de las características en la calidad del clúster100 xpImportancia de las características en los clústeres con ARI100 xpExplicar los modelos de IA generativa basados en chat50 xpCadena de pensamiento para descubrir el razonamiento100 xpAutoconsistencia para evaluar la confianza100 xp¡Enhorabuena!50 xp
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.En las siguientes pistas
Ingeniero Asociado de IA para Científicos de Datos
Ir a la pistacolaboradores
Fouad Trad
Ver MásMachine Learning Engineer
¿Qué tienen que decir otros alumnos?
¡Únete a 15 millones de estudiantes y empieza IA explicable en Python hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.