What You Need to Know Before
You Start
Starts 4 June 2025 18:38
Ends 4 June 2025
00
days
00
hours
00
minutes
00
seconds
50 minutes
Optional upgrade avallable
Not Specified
Progress at your own speed
Free Video
Optional upgrade avallable
Resumen
Explore los principios de la ciencia de datos verídica y su papel en el desarrollo de sistemas de IA confiables con Bin Yu de UC Berkeley.
Programa de estudio
- Introducción a la Ciencia de Datos Verdadera
- Fundamentos de la IA Confiable
- Calidad y Fiabilidad de los Datos
- Transparencia y Explicabilidad del Modelo
- Equidad y Sesgo en IA
- Robustez y Estadísticas Robustas
- Reproducibilidad en Ciencia de Datos
- Seguridad e Integridad de la IA
- Evaluación y Validación de Sistemas de IA
- Direcciones Futuras para la Ciencia de Datos Verdadera
- Conclusión del Curso y Proyecto Final
Definición y Principios de la Ciencia de Datos Verdadera
Importancia en IA y Aprendizaje Automático
Panorama del Pensamiento Estadístico en la Ciencia de Datos Verdadera
Características de los Sistemas de IA Confiables
Desafíos en la Construcción de IA Confiable
Aplicaciones y Estudios de Caso en el Mundo Real
Recolección y Preprocesamiento de Datos
Evaluación de la Calidad de los Datos: Métricas y Métodos
Técnicas para Asegurar la Fiabilidad de los Datos
Importancia de la Interpretabilidad del Modelo
Técnicas para la Interpretabilidad: LIME, SHAP, etc.
Equilibrando Complejidad y Transparencia
Identificación del Sesgo en Modelos de IA
Estrategias para Mitigar el Sesgo
Consideraciones Éticas en el Desarrollo de IA
Definición e Importancia de la Robustez en IA
Técnicas para Construir Modelos Robustos
Evaluación de la Robustez: Pruebas de Estrés y Ejemplos Adversos
Importancia de la Reproducibilidad en la Investigación
Mejores Prácticas para Flujos de Trabajo Reproducibles
Herramientas y Marcos para la Reproducibilidad
Identificación de Riesgos de Seguridad en Sistemas de IA
Técnicas para Construir Modelos de IA Seguros
Estrategias de Respuesta ante Fallas de IA
Marcos para Evaluar el Desempeño de la IA
Técnicas de Validación: Validación Cruzada, Pruebas A/B
Monitoreo Continuo y Sistemas de Retroalimentación
Innovaciones en Técnicas de IA Confiables
El Papel de la Política y la Regulación
Imaginando el Futuro de la Ciencia de Datos Verdadera y la IA
Revisión de Conceptos y Ideas Clave
Proyecto Final: Diseñando un Sistema de IA Confiable
Discusión de Implementaciones en el Mundo Real y Aplicaciones Profesionales
Asignaturas
Ciencias de la Computación