En el marco de la alianza generada con Digital House y en continuidad con el certamen “Inteligencia Artificial para potenciar al país” abordaremos este encuentro con quienes se interesen en el conocimiento de las tendencias digitales y el machine learning en especial.Las técnicas con mejor performance en machine learning a veces son presentadas como cajas negras, en las que en base a ciertos inputs se realizan sucesivas transformaciones hasta arribar al output deseado. En determinadas aplicaciones un modelo con excelente performance predictiva, pero que no permite analizar la influencia de ciertos predictores en el output, puede no ser útil para la toma de decisiones.
Además de las consideraciones legales que deben hacerse, por ejemplo sobre el uso de ciertas características de las personas como inputs de estos algoritmos, si los usuarios no confían en un modelo o una predicción no los utilizarán.
En esta charla cubriremos avances recientes en el campo de interpretabilidad de modelos, en particular de los métodos conocidos como model agnostic. Por último cubriremos las potenciales limitaciones de estos métodos, entre los que se destacan LIME y Shapley values.
Fuente: Fundación Telefonica