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 (XAI) и прозрачността на модела
- Какво е обясним AI?
- Защо прозрачността има значение в AI системите
- Интерпретируемост срещу производителност в AI модели
Преглед на XAI техниките
- Моделно-агностични методи: SHAP, LIME
- Специфични за модела техники за обяснение
- Обяснение на невронни мрежи и модели за дълбоко обучение
Изграждане на прозрачни AI модели
- Прилагане на интерпретируеми модели на практика
- Сравняване на прозрачни модели с модели на черна кутия
- Балансиране на сложността с обяснимостта
Разширени XAI инструменти и библиотеки
- Използване на SHAP за интерпретация на модела
- Използване на LIME за локална обяснимост
- Визуализация на моделни решения и поведения
Справяне с справедливостта, пристрастието и етичния AI
- Идентифициране и смекчаване на пристрастия в AI модели
- Справедливостта в ИИ и нейното въздействие върху обществото
- Гарантиране на отчетност и етика при внедряването на AI
Реални приложения на XAI
- Казуси в здравеопазването, финансите и правителството
- Интерпретиране на AI модели за съответствие с нормативните изисквания
- Изграждане на доверие с прозрачни AI системи
Бъдещи насоки в обясним AI
- Новопоявили се изследвания в XAI
- Предизвикателства при мащабирането на XAI за широкомащабни системи
- Възможности за бъдещето на прозрачния AI
Обобщение и следващи стъпки
Изисквания
- Опит в машинното обучение и разработването на AI модели
- Познаване на Python програмиране
Публика
- Учени по данни
- Инженери за машинно обучение
- AI специалисти
21 Часа