Metodología Práctica y Ética en la IA

Johns Hopkins University via Coursera

Coursera

35 Cursos


Johns Hopkins University is a globally recognized research university comprising 9 schools and campuses worldwide. It provides more than 260 degree programs, ranging from undergraduate to graduate and postdoctoral studies.

course image

Resumen

Domina las metodologías prácticas de IA mientras exploras las consideraciones éticas, desde el entrenamiento de modelos hasta su implementación, con énfasis en la detección de sesgos, enfoques probabilísticos y la creación de soluciones de IA responsables.

Programa de estudio

    - Introducción al Curso -- "Metodología Práctica y Ética en IA" se centra en enseñar habilidades esenciales en la exploración de conjuntos de datos, entrenamiento de modelos de aprendizaje profundo y su implementación, con un fuerte énfasis en la ética en el ciclo de vida de la IA. El curso cubre la identificación y abordaje de problemas de sesgo y equidad, así como la integración de modelos probabilísticos con aprendizaje profundo para gestionar la incertidumbre. Este curso proporciona una base sólida en aspectos tanto técnicos como éticos para el desarrollo responsable de la IA. - Metodología Práctica -- Este módulo discutirá metodologías prácticas para el entrenamiento de Modelos de Aprendizaje Profundo. Los estudiantes explorarán estudios de caso junto con diferentes situaciones para aplicar conocimientos previos y nuevos en el proceso de entrenamiento e implementación de Modelos de Aprendizaje Profundo. - Consideraciones Éticas -- Este módulo discutirá consideraciones éticas para Modelos de Aprendizaje Profundo. Se explorarán los matices de la ética y el uso del aprendizaje automático para tomar decisiones. - Modelos Probabilísticos Estructurados -- Esta lección profundiza en la intersección de modelos probabilísticos estructurados y redes neuronales profundas, destacando cómo los marcos probabilísticos pueden integrarse con el Aprendizaje Profundo para modelar la incertidumbre, aprender de datos incompletos y proporcionar sistemas de IA interpretables.

Enseñado por

Zerotti Woods


Etiquetas