Explicabilidad Algorítmica

En esta ocasión hablaremos sobre una rama algo menos conocida de la Inteligencia Artificial: la explicabilidad, que nos permite hacer que modelos de machine learning complejos sean interpretables en mayor o menor medida. Comenzaremos desde lo más básico, su definición, analizaremos diferentes técnicas (siempre con ejemplos incluidos) y, finalmente, presentaremos el método SHAP, que lo revolucionó todo, y al que estudiaremos en detalle en la última parte de la charla.

Si quieres saber más... ¡no te pierdas este webinar y regístrate ya!

PONENTE: Paloma Megías Mesa

Data Scientist en el Instituto de Ingeniería del Conocimiento (IIC) actualmente. Graduada en Matemáticas. Máster en investigación Matemática (UEx) y Máster en Data Science (UAM). Desde 2021, impulsora de la red Extremadura AI. https://linkedin.com/in/paloma-m-39075b176