Glossário IA
O dicionário completo da Inteligência Artificial
Métodos de interpretabilidade local
Técnicas que explicam previsões individuais como LIME, SHAP e LRP para entender decisões caso a caso.
Interpretabilidade global de modelos
Abordagens que analisam o comportamento global do modelo para compreender os padrões gerais de tomada de decisão.
Importância e seleção de características
Métodos que quantificam a importância relativa das variáveis nas previsões do modelo.
Visualização de modelos ML
Técnicas gráficas e visuais para representar e compreender a arquitetura e o funcionamento dos modelos.
Métodos agnósticos ao modelo
Técnicas de interpretação que funcionam com qualquer tipo de modelo sem conhecimento de sua arquitetura interna.
Interpretabilidade de redes neurais profundas
Métodos específicos para compreender e visualizar as decisões de modelos complexos de deep learning.
Explicações contrafactuais
Geração de exemplos alternativos mostrando quais modificações mínimas mudariam a previsão do modelo.
Detecção de vieses algorítmicos
Técnicas que identificam e quantificam discriminações sistemáticas nas previsões de modelos de ML.
Avaliação quantitativa da interpretabilidade
Métricas e protocolos para medir objetivamente a qualidade e a fidelidade das explicações geradas.
Interpretabilidade de modelos de conjunto
Técnicas específicas para analisar e explicar o funcionamento das random forests, gradient boosting e outros conjuntos.
Explicações causais em ML
Métodos que estabelecem relações de causa e efeito em vez de simples correlações nas decisões dos modelos.
Interpretabilidade para modelos temporais
Técnicas adaptadas para explicar as previsões em séries temporais e dados sequenciais.
Métricas de confiança e incerteza
Ferramentas que quantificam o nível de confiança do modelo em suas previsões e a incerteza associada.
Explicações interativas e conversacionais
Sistemas que permitem aos utilizadores interagir com o modelo para obter explicações personalizadas e adaptativas.