Inteligencia artificial explicable : análisis de metodologías y aplicaciones

Mostrar todas las versiones(2)
Detalles Bibliográficos
Autor Principal: Pezzini, María Cecilia
Otros autores o Colaboradores: Pons, Claudia Fabiana (Director/a)
Formato: Tesis
Lengua:español
Datos de publicación: 2024
Temas:
INTELIGENCIA ARTIFICIAL
APRENDIZAJE AUTOMÁTICO
inteligencia artificial explicable
Acceso en línea:http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2885
Consultar en el Cátalogo
Descripción Física:1 archivo (7,0 MB) : il. col.
Tabla de Contenidos:
  • Capítulo 1
  • Presentación
  • 1.1 Introducción
  • 1.2 Motivación
  • 1.3 Objetivos
  • 1.3.1 Objetivo General
  • 1.3.2 Objetivos Específicos
  • 1.4 Abordaje del trabajo
  • 1.5 Estructura del Trabajo
  • Capítulo 2
  • Conceptos Teóricos
  • 2.1 Conceptos Fundamentales
  • 2.1.1 Definición de Red Neuronal
  • 2.1.2 Redes Neuronales Profundas
  • 2.1.3 Definición de Aprendizaje
  • 2.1.3.1 Explorando la distinción entre Aprendizaje Supervisado y No Supervisado
  • 2.1.3.2 Aprendizaje Supervisado: etiquetando el camino hacia la predicción
  • 2.1.3.3 Aprendizaje No Supervisado: descubriendo estructuras ocultas
  • 2.1.3.4 Capacidad, sobreajuste y subajuste en Modelos de Inteligencia Artificial
  • 2.1.4 Visión por Computadora
  • 2.1.5 Preprocesamiento
  • 2.1.6 Procesamiento de Lenguaje Natural
  • 2.2 Evaluación y Métricas
  • 2.2.1 Métricas de Rendimiento
  • 2.2.2 Métricas comunes y avanzadas
  • 2.2.3 Otras métricas posibles
  • 2.3 Modelos Básicos
  • 2.3.1 Modelos Básicos por Defecto
  • 2.3.2 Elección del Modelo según la Estructura de los Datos
  • 2.3.3 Algoritmos de Optimización
  • 2.3.4 Regularización y Técnicas Adicionales
  • 2.4 Interpretabilidad en Modelos de Inteligencia Artificial
  • 2.4.1 Beneficios de la Interpretabilidad
  • 2.4.2 Modelos Interpretables
  • 2.4.3 Aprendizaje Automático Interpretable (Interpretable Machine Learning, iML)
  • 2.5 Explicabilidad en Modelos de Inteligencia Artificial
  • 2.5.1 Definición de Explicabilidad
  • 2.5.2 Inteligencia Artificial Explicable (Explainable Artificial Intelligence, XAI)
  • 2.5.2.1 Panorama de XAI
  • 2.5.2.2 Taxonomía de XAI
  • 2.5.2.3 Clasificación de los Métodos de XAI
  • Capítulo 3
  • Revisión de la Literatura
  • 3.1 Introducción
  • 3.2 Búsqueda y selección de estudios
  • 3.3 Estrategia para la búsqueda bibliográfica
  • 3.4 Criterios de inclusión y exclusión
  • 3.4.1 Criterios de Inclusión
  • 3.4.2 Criterios de Exclusión
  • 3.5 Metodología de Análisis de los Artículos Seleccionados
  • 3.5.1 Lectura y Comprensión de los Artículos
  • 3.5.2 Categorización de las Técnicas de Explicabilidad
  • 3.5.3 Comparación de Técnicas con Enfoques Anteriores
  • 3.5.4 Evaluación del Impacto de las Mejoras
  • 3.5.5 Síntesis de resultados
  • 3.5.6 Elaboración de conclusiones
  • Capítulo 4
  • Análisis de Metodologías y Aplicaciones XAI
  • 4.1 Introducción al Análisis de XAI
  • 4.1.1 Trabajos que cumplen con los criterios de inclusión definidos
  • 4.1.2 Análisis Comparativo de Métodos de Explicabilidad en Inteligencia Artificial
  • 4.1.2.1 Desglose Detallado de Métodos y Enfoques en las Tablas 3 y 4
  • 4.1.2.2 Análisis de Aplicaciones y Contextos
  • 4.1.2.3 Evaluación de Criterios de Selección y Eficacia de Aplicaciones
  • 4.1.2.4 Distribución de Métodos de XAI Según Categorías
  • Capítulo 5
  • Conclusiones
  • 5.1 Introducción
  • 5.2 Principales Conclusiones
  • 5.2.1 Necesidad de Explicabilidad en Modelos de IA
  • 5.2.2 Distinción entre Interpretabilidad y Explicabilidad
  • 5.2.3 Avances en Técnicas de Explicabilidad
  • 5.2.4 Desafíos
  • 5.3 Implicaciones Prácticas y Políticas
  • 5.3.1 Implicaciones Prácticas
  • 5.3.2 Implicaciones para la Política
  • 5.4 Trabajo Futuro
  • Anexo I
  • Análisis Detallado de 30 Trabajos Seleccionados sobre Avances Recientes en la
  • Explicabilidad de Modelos de IA
  • Anexo II
  • Artículos Recuperados sobre Modelos de Explicabilidad en Inteligencia Artificial
  • Bibliografía

Ejemplares similares