Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do pokročilých technik XAI
- Přehled základních metod XAI
- Výzvy v interpretaci složitých AI modelů
- Trends v ranní fázi a rozvoji XAI
Model-agnostické techniky pro vysvětlivost
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostičtí Explanations)
- Výkladové opory
Model-specifické techniky pro vysvětlivost
- Propagace relevantnosti vrstvy (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Gradientové metody (Grad-CAM, Integrated Gradients)
Vysvětlení modelů hlubokého učení
- Interpretace konvolučních neuronových sítí (CNNs)
- Vysvětlování rekurentních neuronových sítí (RNNs)
- Analýza modelů založených na transformátoru (BERT, GPT)
Řešení výzv při interpretaci
- Zvládání omezení černé skříňky modelů
- Rozměrování přesnosti a vysvětlivosti
- Řešení problémů s předsudkem a spravedlností v výkladech
Aplikace XAI v reálných systémech
- XAI ve zdravotnictví, financích a právním systémech
- AI regulace a požadavky na soulad
- Vytváření důvěry a odpovědnosti prostřednictvím XAI
Budoucí trendy v vyjádřitelné AI
- Vznikající techniky a nástroje pro XAI
- Další generace modelů vysvětlivosti
- Možnosti a výzvy při transparentnosti AI
Shrnutí a další kroky
Požadavky
- Odborné znalosti v oblasti umělé inteligence a strojového učení
- Zkušenosti s neuronovými sítěmi a hlubokým učením
- Orientace ve základních technikách vysvětlitelné umělé inteligence (XAI)
Cílová skupina
- Zkušení badatelé v oblasti umělé inteligence
- Inženýři strojového učení
21 hodiny
