Explainability in Deep Learning: Demystifying Black-Box Models - Plan Szkolenia
Wyjaśnialność w głębokim uczeniu się jest kluczowym obszarem skupiającym się na demistyfikacji wewnętrznego działania złożonych sieci neuronowych. Ten kurs zagłębia się w zaawansowane techniki wyjaśnialności, umożliwiając uczestnikom wgląd w modele "czarnej skrzynki", czyniąc je bardziej interpretowalnymi i przejrzystymi.
To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą poznać najnowocześniejsze techniki XAI dla modeli głębokiego uczenia się, z naciskiem na budowanie interpretowalnych systemów sztucznej inteligencji.
Pod koniec tego szkolenia uczestnicy będą mogli
- Zrozumieć wyzwania związane z wyjaśnialnością w głębokim uczeniu się.
- Wdrożyć zaawansowane techniki XAI dla sieci neuronowych.
- Interpretować decyzje podejmowane przez modele głębokiego uczenia.
- Ocenić kompromisy między wydajnością a przejrzystością.
Format kursu
- Interaktywny wykład i dyskusja.
- Wiele ćwiczeń i praktyki.
- Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.
Opcje dostosowywania kursu
- Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.
Plan Szkolenia
Wprowadzenie do Deep Learning Wyjaśnialność
- Czym są modele czarnej skrzynki?
- Znaczenie przejrzystości w systemach sztucznej inteligencji
- Przegląd wyzwań związanych z wyjaśnialnością w sieciach neuronowych
Zaawansowane techniki XAI dla Deep Learning
- Metody uczenia głębokiego niezależne od modelu: LIME, SHAP
- Propagacja znaczenia w warstwie (LRP)
- Mapy istotności i metody oparte na gradiencie
Wyjaśnianie decyzji sieci neuronowych
- Wizualizacja ukrytych warstw w sieciach neuronowych
- Zrozumienie mechanizmów uwagi w modelach głębokiego uczenia
- Generowanie czytelnych dla człowieka wyjaśnień z sieci neuronowych
Narzędzia do wyjaśniania modeli Deep Learning
- Wprowadzenie do bibliotek XAI typu open source
- Używanie Captum i InterpretML do głębokiego uczenia się
- Integracja technik wyjaśniania w TensorFlow i PyTorch
Interpretowalność a wydajność
- Kompromisy między dokładnością a interpretowalnością
- Projektowanie interpretowalnych, ale wydajnych modeli uczenia głębokiego
- Obsługa stronniczości i uczciwości w uczeniu głębokim
Rzeczywiste zastosowania wyjaśnialności Deep Learning
- Wyjaśnialność w modelach sztucznej inteligencji w opiece zdrowotnej
- Wymogi regulacyjne dotyczące przejrzystości w sztucznej inteligencji
- Wdrażanie interpretowalnych modeli uczenia głębokiego w produkcji
Rozważania etyczne dotyczące wyjaśnialności Deep Learning
- Etyczne implikacje przejrzystości sztucznej inteligencji
- Równoważenie etycznych praktyk AI z innowacjami
- Obawy dotyczące prywatności w wyjaśnialnym uczeniu głębokim
Podsumowanie i kolejne kroki
Wymagania
- Zaawansowane zrozumienie głębokiego uczenia się
- Znajomość Python i frameworków głębokiego uczenia się
- Doświadczenie w pracy z sieciami neuronowymi
Uczestnicy
- Inżynierowie głębokiego uczenia
- Specjaliści ds. sztucznej inteligencji
Szkolenia otwarte są realizowane w przypadku uzbierania się grupy szkoleniowej liczącej co najmniej 5 osób na dany termin.
Explainability in Deep Learning: Demystifying Black-Box Models - Plan Szkolenia - Booking
Explainability in Deep Learning: Demystifying Black-Box Models - Plan Szkolenia - Enquiry
Explainability in Deep Learning: Demystifying Black-Box Models - Zapytanie o Konsultacje
Zapytanie o Konsultacje
Opinie uczestników (4)
Świetny kontakt z uczestnikami, wiedza praktyczna co bardzo się ceni. Dostosowanie toku / tempa. Duuuży plus, mega pozytywny instruktor, aż szkoda że szkolenie trwało tylko 2 dni.
Marcin Mikielewicz - TECNOBIT SLU
Szkolenie - Introduction Deep Learning & Réseaux de neurones pour l’ingénieur
Trener był profesjonalistą w dziedzinie tematu i doskonało łączył teorię z praktyką.
Fahad Malalla - Tatweer Petroleum
Szkolenie - Applied AI from Scratch in Python
Przetłumaczone przez sztuczną inteligencję
Trener bardzo zrozumiale wytłumaczył trudne i zaawansowane tematy.
Leszek K
Szkolenie - Artificial Intelligence Overview
Było bardzo interaktywne i mniej formalne, niż się spodziewałem. Porozmawialiśmy na wiele tematów w tym czasie, a trener zawsze był gotowy do bardziej szczegółowego lub ogólnej dyskusji o tych tematach oraz ich związki. Czuję, że szkolenie podarowało mi narzędzia do dalszego uczenia się, a nie było to jednorazowe spotkanie, w którym nauka kończy się po zakończeniu sesji, co jest bardzo ważne w świetle skali i złożoności tematu.
Jonathan Blease
Szkolenie - Artificial Neural Networks, Machine Learning, Deep Thinking
Przetłumaczone przez sztuczną inteligencję
Propozycje terminów
Szkolenia Powiązane
Advanced Techniques in Explainable AI (XAI)
21 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą lepiej zrozumieć techniki XAI dla złożonych modeli sztucznej inteligencji.
Pod koniec tego szkolenia uczestnicy będą mogli
- Wdrażać najnowocześniejsze techniki XAI w modelach AI.
- Interpretować modele głębokiego uczenia się i ich decyzje.
- Stosować zaawansowane metody wyjaśniania niezależne od modelu i specyficzne dla modelu.
- Podejmować wyzwania związane z przejrzystością AI w złożonych systemach.
Artificial Intelligence (AI) in Automotive
14 godzinKurs obejmuje sztuczną inteligencję (z naciskiem na Machine Learning i głębokie uczenie) w przemyśle motoryzacyjnym. Pomaga określić, która technologia może być (potencjalnie) wykorzystywana w wielu sytuacjach w samochodzie: od prostej automatyzacji, rozpoznawania obrazu po autonomiczne podejmowanie decyzji.
Artificial Intelligence Overview
7 godzinKurs ten został stworzony dla menadżerów, architektów, analityków biznesowych i systemowych, menedżerów oprogramowania oraz wszystkich zainteresowanych przeglądem stosowania sztucznej inteligencji i prognozą dla jej rozwoju.
From Zero to AI
35 godzinThis instructor-led, live training in Polsce (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development.
By the end of this training, participants will be able to:
- Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
- Write and understand procedural, functional, and object-oriented programming code.
- Implement machine learning techniques such as classification, clustering, and neural networks.
- Develop AI solutions using rules engines and expert systems for problem-solving.
Artificial Neural Networks, Machine Learning, Deep Thinking
21 godzinSztuczna sieć neuronowa to obliczeniowy model danych wykorzystywany w rozwoju Artificial Intelligence (AI) systemów zdolnych do wykonywania "inteligentnych" zadań. Neural Networks są powszechnie używane w aplikacjach Machine Learning (ML), które same w sobie są jedną z implementacji sztucznej inteligencji. Deep Learning jest podzbiorem ML.
Applied AI from Scratch
28 godzinJest to 4-dniowy kurs wprowadzający w sztuczną inteligencję i jej zastosowanie. Istnieje możliwość odbycia dodatkowego dnia w celu podjęcia projektu AI po ukończeniu tego kursu.
Applied AI from Scratch in Python
28 godzinJest to 4-dniowy kurs wprowadzający sztuczną inteligencję i jej zastosowanie przy użyciu języka programowania Python. Istnieje możliwość dodatkowego dnia na podjęcie projektu AI po ukończeniu tego kursu.
Applied Machine Learning
14 godzinThis instructor-led, live training in Polsce (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.
By the end of this training, participants will be able to:
- Understand and implement various Machine Learning algorithms.
- Prepare data and models for machine learning applications.
- Conduct post hoc analyses and visualize results effectively.
- Apply machine learning techniques to real-world, sector-specific scenarios.
Deep Learning Neural Networks with Chainer
14 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców i programistów, którzy chcą używać Chainer do budowania i trenowania sieci neuronowych w Python, jednocześnie ułatwiając debugowanie kodu.
Pod koniec tego szkolenia uczestnicy będą mogli
- Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć tworzenie modeli sieci neuronowych.
- Definiować i wdrażać modele sieci neuronowych przy użyciu zrozumiałego kodu źródłowego.
- Wykonywać przykłady i modyfikować istniejące algorytmy w celu optymalizacji modeli szkoleniowych głębokiego uczenia się, jednocześnie wykorzystując GPU w celu uzyskania wysokiej wydajności.
Pattern Recognition
21 godzinThis instructor-led, live training in Polsce (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.
By the end of this training, participants will be able to:
- Apply core statistical methods to pattern recognition.
- Use key models like neural networks and kernel methods for data analysis.
- Implement advanced techniques for complex problem-solving.
- Improve prediction accuracy by combining different models.
Deep Reinforcement Learning with Python
21 godzinTo prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla programistów i analityków danych, którzy chcą nauczyć się podstaw Deep Reinforcement Learning podczas tworzenia agenta Deep Learning.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Zrozumienie kluczowych koncepcji stojących za Deep Reinforcement Learning i umiejętność odróżnienia go od uczenia maszynowego.
- Zastosowanie zaawansowanych algorytmów Reinforcement Learning do rozwiązywania rzeczywistych problemów.
- Zbuduj agenta głębokiego uczenia.
Introduction Deep Learning & Réseaux de neurones pour l’ingénieur
21 godzinTyp: Szkolenie teoretyczne z aplikacjami ustalonymi wcześniej ze studentami na Lasagne lub Keras w zależności od grupy dydaktycznej.
Metoda nauczania: prezentacja, dyskusja i studia przypadków
Sztuczna inteligencja zrewolucjonizowała wiele dziedzin nauki, a obecnie zaczyna rewolucjonizować wiele sektorów gospodarki (przemysł, medycynę, komunikację itp.). Jednak sposób, w jaki jest ona przedstawiana w mediach głównego nurtu, jest często fantazją, daleką od realiów domen Machine Learning i Deep Learning. Celem tego kursu jest zapewnienie inżynierom, którzy już opanowali narzędzia informatyczne (w tym podstawową wiedzę na temat programowania oprogramowania), wprowadzenia do Deep Learning i jego różnych specjalistycznych obszarów, a tym samym do głównych istniejących obecnie architektur sieciowych. Chociaż podstawy matematyczne są przywoływane podczas kursu, poziom matematyki taki jak BAC + 2 jest zalecany dla większego komfortu. Całkowicie możliwe jest pominięcie matematyki w celu zachowania jedynie wizji "systemów", ale takie podejście znacznie ograniczy zrozumienie tematu.
Introduction to Explainable AI (XAI) for Beginners
14 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla początkujących profesjonalistów, którzy chcą poznać podstawy Explainable AI i jej rolę w rozwoju odpowiedzialnych systemów AI.
Pod koniec tego szkolenia uczestnicy będą w stanie
- Zrozumieć podstawowe koncepcje Explainable AI.
- Zbadać znaczenie przejrzystości i możliwości interpretacji w modelach sztucznej inteligencji.
- Poznanie podstawowych technik umożliwiających wyjaśnianie modeli sztucznej inteligencji.
- Zastosować techniki XAI do prostych modeli uczenia maszynowego.
Explainable AI (XAI) for Ethical AI Development
14 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średniozaawansowanych profesjonalistów, którzy chcą zastosować techniki Explainable AI w celu zapewnienia uczciwości, przejrzystości i etycznych systemów AI.
Pod koniec tego szkolenia uczestnicy będą w stanie
- Zrozumieć rolę XAI w etycznych systemach AI.
- Wdrożyć techniki XAI w celu wykrywania i łagodzenia stronniczości w modelach AI.
- Zapewnić przejrzystość w procesach decyzyjnych modeli AI.
- Dostosować rozwój sztucznej inteligencji do standardów etycznych i regulacyjnych.
Explainable AI (XAI) for Transparency in AI Models
21 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych i zaawansowanych profesjonalistów, którzy chcą wdrożyć przejrzyste systemy sztucznej inteligencji w rzeczywistych aplikacjach.
Pod koniec tego szkolenia uczestnicy będą mogli
- Zrozumieć znaczenie przejrzystości w modelach AI.
- Wdrożyć zaawansowane techniki XAI do interpretacji złożonych modeli.
- Zwiększyć przejrzystość modelu za pomocą SHAP, LIME i innych narzędzi.
- Rozwiązywać problemy etyczne i uczciwość w modelach AI.