Machine Learning Interpretable: SHAP, PDP y permutacion
Offered By: Coursera Project Network via Coursera
Course Description
Overview
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: SHAP, Partial Dependence Plot, Permutation importance, etc 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.
Gracias a esto, aprenderás a entrenar modelos Glassbox que puedas entender el porqué de sus decisiones.
Syllabus
- Machine Learning con Python. Nivel Avanzado
- En este curso se aprenderá a generar modelos de interpretables Machine Learning
Taught by
Leire Ahedo
Related Courses
Introduction to Artificial IntelligenceStanford University via Udacity Natural Language Processing
Columbia University via Coursera Probabilistic Graphical Models 1: Representation
Stanford University via Coursera Computer Vision: The Fundamentals
University of California, Berkeley via Coursera Learning from Data (Introductory Machine Learning course)
California Institute of Technology via Independent