Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan Szkolenia
Wprowadzenie do wytłumaczalnej sztucznej inteligencji
- Czym jest wytłumaczalna sztuczna inteligencja (XAI)?
- Znaczenie przejrzystości w modelach sztucznej inteligencji
- Kluczowe wyzwania związane z interpretowalnością AI
Podstawowe techniki XAI
- Metody niezależne od modelu: LIME, SHAP
- Metody wyjaśniania specyficzne dla modelu
- Wyjaśnianie decyzji podejmowanych przez modele typu black-box
Praktyczna praca z narzędziami XAI
- Wprowadzenie do bibliotek XAI typu open source
- Wdrażanie XAI w prostych modelach uczenia maszynowego
- Wizualizacja wyjaśnień i zachowania modelu
Wyzwania związane z wyjaśnialnością
- Kompromisy między dokładnością a interpretowalnością
- Ograniczenia obecnych metod XAI
- Obsługa stronniczości i uczciwości w wyjaśnialnych modelach
Kwestie etyczne w XAI
- Zrozumienie etycznych implikacji przejrzystości sztucznej inteligencji
- Równoważenie wyjaśnialności z wydajnością modelu
- Obawy dotyczące prywatności i ochrony danych w XAI
Zastosowania XAI w świecie rzeczywistym
- XAI w opiece zdrowotnej, finansach i egzekwowaniu prawa
- Wymogi regulacyjne dotyczące wyjaśnialności
- Budowanie zaufania do systemów AI poprzez przejrzystość
Zaawansowane koncepcje XAI
- Eksploracja kontrfaktycznych wyjaśnień
- Wyjaśnianie sieci neuronowych i modeli głębokiego uczenia się
- Interpretacja złożonych systemów sztucznej inteligencji
Przyszłe trendy w wyjaśnialnej sztucznej inteligencji
- Nowe techniki w badaniach nad XAI
- Wyzwania i możliwości dla przyszłej przejrzystości sztucznej inteligencji
- Wpływ XAI na odpowiedzialny rozwój sztucznej inteligencji
Podsumowanie i kolejne kroki
Wymagania
- Podstawowe zrozumienie koncepcji uczenia maszynowego
- Znajomość programowania Python
Uczestnicy
- Początkujący użytkownicy AI
- Entuzjaści nauki o danych
14 godzin