24/10/2025 –, Iniciante
Modelos de IA não precisam residir em caixas pretas! Existem diferentes técnicas que nos ajudam a compreender como suas predições são feitas e como isso afeta nossas decisões.
Modelos de IA não precisam residir em caixas pretas! Existem diferentes técnicas que nos ajudam a compreender como suas predições são feitas e como isso afeta nossas decisões.
Dentre as diferentes técnicas disponíveis, podemos analisar como os métodos LIME, SHAP e Contrafactuais funcionam em diferentes contextos, além de explorar como essas explicações podem ser apresentadas aos usuários finais através de gráficos objetivos.
Para acompanhar a apresentação sem maiores dificuldades é recomendado conhecimento intermediário em Python e ter tido contato com algum tópico relacionado a Reconhecimento de Padrões (modelagem estatística, machine learning etc.), não é necessário atuação direta na área, mas ter contato profissional com o tema auxiliaria na compreensão.
O que as pessoas que participarem podem esperar aprender na sua atividade?:Ao final da sessão espera-se que os participantes tenham uma visão geral das principais técnicas de explicabilidade para dados tabulares, possibilidades de aplicação e explicação.
Escolha uma ou mais áreas em que essa proposta se encaixa:Ciência e Análise de Dados, Machine Learning e Inteligência Artificial, Computação Científica
15 anos de experiência na área de TI, possui MBA em Data Science pela USP e é Mestrando em SI pela USP. Com passagem em empresas como Crawford & Co., General Claims, Serasa Experian e hoje na Visa.