Machine Learning Interpretable: interpretML y LIME

ofrecido por
Coursera Project Network
En este proyecto guiado, tú:

Conocer los fundamentos de la interpretabilidad de modelos

Aplicar librerías para la interpretabilidad de modelos como: LIME e interpretML

Desarrollar modelos interpretables de Random Forest y Explainable Boosting Machine

Clock2 horas
IntermediateIntermedio
CloudNo se necesita descarga
VideoVideo de pantalla dividida
Comment DotsEspañol (Spanish)
LaptopSolo escritorio

Este proyecto es un curso práctico y efectivo para aprender a generar modelos de Machine Learning interpretables. Se explican en profundidad diferentes técnicas de interpretabilidad de modelos como: interpretML y LIME que nos permitirá entender el porqué de las predicciones. Gracias a esto, aprenderás a entrenar modelos Glassbox que puedas entender el porqué de sus decisiones.

Habilidades que desarrollarás

Machine LearninginterpretMLExplainable Machine LearningLIME

Aprende paso a paso

En un video que se reproduce en una pantalla dividida con tu área de trabajo, tu instructor te guiará en cada paso:

  1. Introducción a los modelos de Machine Learning Interpretables

  2. LIME: Modelos localmente interpretables

  3. Programación de LIME

  4. InterpretML de Microsoft

  5. Programación de InterpretML

Cómo funcionan los proyectos guiados

Tu espacio de trabajo es un escritorio virtual directamente en tu navegador, no requiere descarga.

En un video de pantalla dividida, tu instructor te guía paso a paso

Preguntas Frecuentes

Preguntas Frecuentes

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.