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.
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
