Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение в обяснимия AI
- Какво е обясним AI (XAI)?
- Значението на прозрачността в AI моделите
- Ключови предизвикателства при интерпретируемостта на AI
Основни XAI техники
- Моделно-агностични методи: LIME, SHAP
- Специфични за модела методи за обяснение
- Обясняване на решенията, взети от модели на черна кутия
Практически с XAI инструменти
- Въведение в XAI библиотеките с отворен код
- Внедряване на XAI в прости модели за машинно обучение
- Визуализиране на обяснения и моделиране на поведение
Предизвикателства в обяснимостта
- Компромиси между точност и интерпретируемост
- Ограничения на настоящите XAI методи
- Боравене с пристрастия и справедливост в обясними модели
Етични съображения в XAI
- Разбиране на етичните последици от прозрачността на ИИ
- Балансиране на обяснимостта с производителността на модела
- Проблеми с поверителността и защитата на данните в XAI
Реални приложения на XAI
- XAI в здравеопазването, финансите и правоприлагането
- Нормативни изисквания за обяснимост
- Изграждане на доверие в AI системите чрез прозрачност
Разширени XAI концепции
- Проучване на съпоставителни обяснения
- Обяснение на невронни мрежи и модели за дълбоко обучение
- Интерпретиране на сложни AI системи
Бъдещи тенденции в обяснимия AI
- Нововъзникващи техники в изследванията на XAI
- Предизвикателства и възможности за бъдеща прозрачност на ИИ
- Въздействие на XAI върху отговорното развитие на ИИ
Обобщение и следващи стъпки
Изисквания
- Основно разбиране на концепциите за машинно обучение
- Познаване на Python програмиране
Публика
- Начинаещи AI
- Ентусиасти на науката за данни
14 Часа