Machine Learning Interpretable: interpretML y LIME

Offert par
Coursera Project Network
Dans ce Projet Guidé, vous :

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
IntermediateIntermédiaire
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsEspagnol
LaptopOrdinateur de bureau uniquement

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.

Les compétences que vous développerez

  • Machine Learning
  • interpretML
  • Explainable Machine Learning
  • LIME

Apprendrez étape par étape

Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :

  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

Comment fonctionnent les Projets Guidés

Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.

Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé

Foire Aux Questions

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.