Machine Learning Interpretable: interpretML y LIME

提供方
Coursera Project Network
在此指导项目中,您将:

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
Intermediate中级
Cloud无需下载
Video分屏视频
Comment Dots西班牙语(Spanish)
Laptop仅限桌面

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.

您要培养的技能

Machine LearninginterpretMLExplainable Machine LearningLIME

分步进行学习

在与您的工作区一起在分屏中播放的视频中,您的授课教师将指导您完成每个步骤:

  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

指导项目工作原理

您的工作空间就是浏览器中的云桌面,无需下载

在分屏视频中,您的授课教师会为您提供分步指导

常见问题

常见问题

还有其他问题吗?请访问 学生帮助中心