IA explicável em Python
Adquira habilidades essenciais com Scikit-learn, SHAP e LIME para criar sistemas de IA transparentes e confiáveis.
Comece O Curso Gratuitamente4 horas14 vídeos42 exercícios
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?
Tentar DataCamp for BusinessAmado por alunos de milhares de empresas
Descrição do Curso
Descubra o poder da IA explicável
Embarque em uma jornada pelo intrigante mundo da IA explicável e descubra os mistérios por trás da tomada de decisões da IA. Ideal para cientistas de dados e profissionais de ML, este curso fornece a você as habilidades essenciais para interpretar e elucidar comportamentos de modelos de IA usando Python, capacitando-o a criar sistemas de IA mais transparentes, confiáveis e responsáveis. Ao dominar a IA explicável, você aumentará sua capacidade de depurar modelos, atender aos requisitos regulamentares e criar confiança em aplicativos de IA em diversos setores.Explore as técnicas de explicabilidade
Comece entendendo as abordagens de explicabilidade específicas do modelo. Use as bibliotecas do Python, como o Scikit-learn, para visualizar árvores de decisão e analisar o impacto de recursos em modelos lineares. Em seguida, passe para as técnicas agnósticas de modelo que funcionam em vários modelos. Utilize ferramentas como SHAP e LIME para oferecer insights detalhados sobre o comportamento geral do modelo e as previsões individuais, refinando sua capacidade de analisar e explicar modelos de IA em aplicações do mundo real.Mergulhe fundo na explicabilidade
Aprenda a avaliar a confiabilidade e a consistência das explicações, entenda as nuances da explicação de modelos não supervisionados e explore o potencial da explicação de modelos de IA generativos por meio de exemplos práticos. Ao final do curso, você terá o conhecimento e as ferramentas para explicar com confiança as decisões do modelo de IA, garantindo transparência e confiabilidade em seus aplicativos de IA.Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Engenheiro associado de IA para cientistas de dados
Ir para a trilha- 1
Fundamentos da IA explicável
GratuitoComece sua jornada explorando os conceitos fundamentais da IA explicável. Saiba como extrair regras de decisão de árvores de decisão. Derive e visualize a importância dos recursos usando modelos lineares e baseados em árvores para obter insights sobre como esses modelos fazem previsões, permitindo uma tomada de decisão mais transparente.
Introdução à IA explicável50 xpÁrvores de decisão vs. redes neurais100 xpExplicabilidade independente de modelo vs. explicabilidade específica de modelo50 xpExplicabilidade em modelos lineares50 xpCálculo do impacto do recurso com regressão linear100 xpCálculo do impacto do recurso com regressão logística100 xpExplicabilidade em modelos baseados em árvores50 xpCálculo da importância do recurso com árvores de decisão100 xpCálculo da importância dos recursos com florestas aleatórias100 xp - 2
Explicabilidade independente de modelo
Desbloqueie o poder das técnicas independentes de modelo para discernir a influência de recursos em vários modelos. Empregue a importância da permutação e os valores de SHAP para analisar como os recursos afetam o comportamento do modelo. Explore as ferramentas de visualização do SHAP para tornar os conceitos de explicabilidade mais compreensíveis.
Importância da permutação50 xpImportância da permutação para MLPClassifier100 xpCoeficientes vs. importância da permutação100 xpExplicabilidade do SHAP50 xpEncontrar os principais indicadores de custos médicos com SHAP100 xpEncontrar os principais indicadores de doenças cardíacas com SHAP100 xpExplicador do kernel SHAP50 xpExplicador do kernel para MLPRegressor100 xpExplicador do kernel para MLPClassifier100 xpSHAP vs. abordagens específicas de modelo100 xpVisualizando a explicabilidade do SHAP50 xpGráficos de importância de recursos para análise de admissões100 xpAnálise dos efeitos de recursos com gráficos beeswarm100 xpAvaliação do impacto com gráficos de dependência parcial100 xp - 3
Explicabilidade local
Mergulhe na explicabilidade local e explique as previsões individuais. Aprenda a aproveitar o SHAP para obter explicações locais. Domine LIME para revelar os fatores específicos que influenciam resultados únicos, seja por meio de dados textuais, tabulares ou de imagem.
Explicabilidade local com SHAP50 xpExplicabilidade global vs. local100 xpSHAP para explicar níveis de renda100 xpExplicabilidade local com LIME50 xpInterpretar regressores localmente100 xpInterpretar classificadores localmente100 xpExplicabilidade de texto e imagem com LIME50 xpExplicar as previsões da análise de sentimentos100 xpExplicar as previsões de imagens de alimentos100 xp - 4
Tópicos avançados em IA explicável
Explore tópicos avançados em IA explicável, avaliando os comportamentos do modelo e a eficácia dos métodos de explicação. Você terá a capacidade de avaliar a consistência e a fidelidade das explicações, aprofundar-se na análise de modelos não supervisionados e aprender a esclarecer os processos de raciocínio de modelos de IA generativos, como o ChatGPT. Você terá acesso a técnicas para medir e aprimorar a explicabilidade em sistemas complexos de IA.
Métricas de explicabilidade50 xpAvaliação da consistência da explicação do SHAP100 xpAvaliação da fidelidade com LIME100 xpExplicação de modelos não supervisionados50 xpImpacto das características na qualidade do cluster100 xpImportância dos recursos no agrupamento com ARI100 xpExplicação dos modelos de IA generativa baseados em bate-papo50 xpCadeia de pensamento para descobrir o raciocínio100 xpAutoconsistência para avaliar a confiança100 xpParabéns50 xp
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Engenheiro associado de IA para cientistas de dados
Ir para a trilhacolaboradores
Fouad Trad
Ver MaisMachine Learning Engineer
O que os outros alunos têm a dizer?
Junte-se a mais de 15 milhões de alunos e comece IA explicável em Python hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.