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

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 05/09/2025

Já estuda na Alura?

Comece o curso agora

Ementa

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?
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?
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?
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?
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?
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

Escola

Data Science

Trabalhe com dados. Aprofunde seu conhecimento nas principais ferramentas de uma pessoa data scientist. Descubra as diferentes possibilidades de análise de dados, do Excel ao Python, e mergulhe em frameworks e bibliotecas, como Pandas, Scikit-Learn e Seaborn.

Conheça a escola