Interpretable Machine Learning
Coursera
19 Cursos
La University of Naples Federico II è un prestigioso ateneo pubblico con una lunga storia di eccellenza nella ricerca, nell'insegnamento e nell'innovazione. Offre una vasta gamma di programmi accademici dal livello di laurea a quello di dottorato.
Resumen
A medida que la Inteligencia Artificial (IA) se integra en dominios de alto riesgo como la salud, las finanzas y la justicia penal, es fundamental que quienes son responsables de construir estos sistemas piensen fuera de la caja negra y desarrollen sistemas que no solo sean precisos, sino también transparentes y confiables. Este curso es una guía completa y práctica sobre Aprendizaje Automático Interpretable, y te permitirá desarrollar soluciones de IA alineadas con los principios de IA responsable.
También obtendrás una comprensión del campo emergente de la Interpretabilidad Mecanicista y su uso en la comprensión de grandes modelos de lenguaje. A través de discusiones, estudios de caso, laboratorios de programación y ejemplos del mundo real, adquirirás las siguientes habilidades:
- Describir el aprendizaje automático interpretable y diferenciar entre interpretabilidad y explicabilidad.
- Explicar e implementar modelos de regresión en Python.
- Demostrar conocimiento de modelos generalizados en Python.
- Explicar e implementar árboles de decisión en Python.
- Demostrar conocimiento de reglas de decisión en Python.
- Definir y explicar enfoques de modelos interpretables de redes neuronales, incluyendo redes basadas en prototipos, redes monótonas y redes Kolmogorov-Arnold.
- Explicar conceptos fundamentales de Interpretabilidad Mecanicista, incluyendo características y circuitos.
- Describir la Hipótesis de Superposición.
- Definir Aprendizaje de Representaciones y ser capaz de analizar la investigación actual sobre la escalabilidad del Aprendizaje de Representaciones a los LLMs.
Este curso es ideal para científicos de datos o ingenieros de aprendizaje automático que tienen un buen dominio del aprendizaje automático pero poca exposición a conceptos de interpretabilidad. Al dominar los enfoques del Aprendizaje Automático Interpretable, estarás equipado para crear soluciones de IA que no solo sean poderosas, sino también éticas y confiables, resolviendo desafíos críticos en dominios como la salud, las finanzas y la justicia penal.
Para tener éxito en este curso, debes tener un entendimiento intermedio de conceptos de aprendizaje automático como el aprendizaje supervisado y las redes neuronales.
Universidad: Universidad de Nápoles Federico II
Proveedor: Coursera
Categorías: Cursos de Aprendizaje Automático, Cursos de Redes Neuronales, Cursos de IA Explicable, Cursos de Árboles de Decisión
