Seja bem vindo ao curso de Inteligência Artificial Explicável (xAI)
Se você tem uma compreensão básica do funcionamento de uma Rede Neural Artificial, entende que no processo de treinamento, pesos ligados as sinapses são ajustados, num processo complexo e com alto custo computacional. Ao final do processo, a rede neural treinada poderá ser composta por centenas de reurônios conectados através de sinapses e milhares de pesos ajustados e relacionados as sinapses. Além disso, muitos diferentes hiper parametros são utilizados, e ajustados, buscando a melhor performance.
Embora o resultado em termos de acurácia possa ser fantástico, compreender a racionalização por traz do processo de decisão da uma Rede Neural Artificial pode ser extremamente complexo. Modelos de Inteligência Artificial, como Redes Neurais Artificiais, não permitem que o processo de tomada de decisão utilizado seja compreendido por humanos. Cada vez mais diferentes áreas de negócios, como saúde, segurança, prevenção de fraude entre outros, precisam que seus modelos tenham sua racionalização explicável.
A área de Inteligência Artificial Explicável busca tonar modelos de Machine Learning compreensíveis, utilizando técnicas como Feature Importance, Individual Conditional Expectation (ICE), Partial Dependence Plots (PDP) entre outros.
O curso apresenta ainda exemplos em Python.