Logo do curso
Curso

Explicabilidade em IA:

técnicas e práticas para transparência e ética

Quero estudar na alura

6h

Para conclusão

163

Pessoas nesse curso

9.2

Avaliação média

Certificado

De participação

Introdução_

O que você aprenderá_

  • Diferencie modelos interpretáveis de caixas pretas.
  • Classifique técnicas de explicabilidade em intrínsecas e pós-hoc.
  • Analise a contribuição de cada feature com SHAP e LIME.
  • Aplique explicabilidade em algoritmos como XGBoost, PyTorch e TensorFlow.
  • Avalie o trade-off entre fidelidade e facilidade de entendimento.
  • Explore estratégias para promover uma IA transparente e ética.

Público alvo_

Este curso é indicado para profissionais e estudantes que atuam ou desejam atuar com Inteligência Artificial, Machine Learning e Deep Learning, interessados em compreender e aplicar técnicas de explicabilidade que promovem transparência e ética na tomada de decisões automatizadas.

Mariana Lira de Farias

Mariana Lira de Farias

github

linkedin

Sou Cientista de Dados e Professora Universitária, apaixonada por transformar dados em insights valiosos. Minha jornada começou em Business Intelligence e foquei na Ciência de Dados, que é minha grande paixão. Além disso, amo pesquisa acadêmica, adoro compartilhar conhecimento e aprender. Gosto de estar sempre em movimento, explorando novas ferramentas e desafios, e acredito que a troca de experiências é o que nos faz crescer!

Curso atualizado em 08/01/2026

Ementa

  1. Explicabilidade de IA

    • Apresentação
    • Entendendo a Explicabilidade
    • Explicabilidade na personalização de conteúdo da VideoFlowNow
    • Para saber mais: auditoria e transparência na IA
    • Faça como eu fiz: explicabilidade na IA
    • O que aprendemos?
  2. Interpretabilidade e Explicabilidade

    • Explicabilidade vs Interpretabilidade
    • Para saber mais: grad-cam na explicabilidade de redes neurais
    • Explicabilidade em decisões de crédito
    • Faça como eu fiz: modelagem explicável
    • O que aprendemos?
  3. Explicabilidade com SHAP

    • Abordando o SHAP
    • Aplicando SHAP ao problema
    • Para saber mais: valor shapley e seus axiomas
    • Explicando a importância das tarefas em uma plataforma de gestão
    • Faça como eu fiz: aplicar SHAP
    • O que aprendemos?
  4. Explicabilidade com LIME

    • Conhecendo o LIME
    • Utilizando LIME
    • Para saber mais: ponderação por proximidade na LIME
    • Otimizando recomendações de podcasts no WaveCast
    • Faça como eu fiz: LIME explicando modelos
    • O que aprendemos?
  5. Explicabilidade com SOTA

    • Entendendo a explicabilidade em redes neurais
    • Explicando a predição de um BERT
    • Explicando redes RESNET
    • Para saber mais: explicabilidade com Grad-CAM
    • Explicabilidade em otimização de rotas na Hermex Log
    • Faça como eu fiz: explicabilidade DL
    • O que aprendemos?
  6. Explicabilidade em IA Generativa

    • Entendendo a explicabilidade em IAs generativas
    • Para saber mais: rastreamento de atenção em ia generativa
    • Faça como eu fiz: explicabilidade IA
    • Conclusão
    • O que aprendemos?

Descubra se esse curso é pra você! Leia as primeiras aulas

Comece essa formação agora mesmo e capacite-se para seu próximo projeto!

Conheça os planos

Faça parte da nossa comunidade no discord!

Troque conhecimentos com a comunidade da Alura

Aprenda Machine Learning & Deep Learning com esse e outros cursos, comece agora!

Conheça os Planos para Empresas