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

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie