El toolbox Statistics and Machine Learning Toolbox de MATLAB ofrece la aplicación Regression Learner, que permite entrenar y evaluar modelos de regresión sin necesidad de programar. Con una interfaz sencilla y visual, facilita tareas como: Esto lo hace una aplicación ideal para usuarios que quieren explorar y validar modelos predictivos de forma rápida y sin…

La aparición de la Explicabilidad de la IA (XAI), ha supuesto durante los últimos años, un gran avance a la hora de hacer que los modelos de Inteligencia Artificial (AI) sean más entendibles y explicables para los seres humanos. Dentro de la XAI, durante los últimos años, muchos de los esfuerzos se han enfocado en…

¡Hola a todos! Con el fin de seguir promoviendo el uso de técnicas de explicabilidad para el entendimiento de los modelos de caja negra, compartimos con vosotros FACET un enfoque que permite a los usuarios trabajar con ejemplos contrafácticos con el fin de ajustar estos a las realidades de los usuarios. Podéis echarle un vistazo…

¡Hola a todos! Compartimos con vosotros el último en el que he podido colaborar en el que mediante técnicas estadísticas se explorar el rendimiento laboral en personal universitario bajo diferentes situaciones y como puede mejorar este:https://www.mdpi.com/2076-328X/15/3/312 ¡¡Esperamos que lo disfrutéis!!

La Explicabilidad en Inteligencia Artificial (XAI) no solo se basa en librerías específicas, sino también en herramientas y plataformas que facilitan el análisis e interpretación de modelos de Machine Learning (ML). En esta entrada, exploraremos diferentes frameworks de implementación de modelos de ML que ofrecen herramientas de XAI. Vertex AI Platform Google ofrece la herramienta…

La Explicabilidad en Inteligencia Artificial (XAI) no solo se basa en librerías específicas como las revisadas en entradas anteriores, sino también en herramientas interactivas que permiten analizar modelos de Machine Learning (ML) de manera intuitiva y visual. En esta entrada, exploraremos dos herramientas diseñadas para facilitar la interpretabilidad de modelos de ML: What-if Tool y…

La Explicabilidad en Inteligencia Artificial (XAI, por sus siglas en inglés) es un área esencial en el desarrollo de modelos de Machine Learning (ML). Otro de los lenguajes más utilizados en ML, además de Python, analizado en el post anterior, es R, que cuenta con diversas librerías especializadas en XAI. En esta entrada, exploraremos las…

La Explicabilidad en Inteligencia Artificial (XAI, por sus siglas en inglés) es un área esencial en el desarrollo de modelos de Machine Learning (ML). Python, siendo uno de los lenguajes más utilizados en ML, cuenta con diversas librerías especializadas en XAI. En esta entrada, exploraremos las principales librerías organizadas en distintas categorías. Librerías que Implementan…

¡Hola a todos! En este post os queremos dar una noticia muy importante para nosotros desde el paquete de explicabilidad de modelos de Inteligencia Artificial, a finales del año pasado realizamos la primera publicación científica en relación al trabajo realizado en la cátedra. En The Role of XAI in Transforming Aeronautics and Aerospace Systems realizamos…

En el ámbito aeroespacial, la XAI (Inteligencia Artificial Explicable) se ha convertido en un pilar clave para garantizar la transparencia, confiabilidad y seguridad de sistemas autónomos en entornos altamente críticos. Diversos proyectos han demostrado cómo la explicabilidad permite validar modelos complejos y facilitar su integración en misiones espaciales. Entre los más relevantes destacan: