Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Vstup do vysvětlitelného umělého rozumu (XAI)
- Co je vysvětlitelný umělý rozum (XAI)?
- Důležitost transparentnosti v modelech umělé inteligence
- Klíčové výzvy v interpretaci umělé inteligence
Základní techniky XAI
- Model-agnostické metody: LIME, SHAP
- Specifické metody pro vysvětlení modelů
- Vysvětlení rozhodnutí černých skříní (black-box models)
Praktická práce s nástroji XAI
- Úvod do open-source knihoven pro XAI
- Implementace XAI v jednoduchých modelech strojového učení
- Vizualizace vysvětlení a chování modelu
Výzvy související s vysvětlitelností
- Soustředění na přesnost proti interpretaci (trade-offs)
- Omezení stávajících metod XAI
- Zvládání biasu a spravedlnosti v vysvětlitelných modelech
Etické aspekty XAI
- Porozumění etickým důsledkům transparentnosti AI
- Hlavní body: vyvážení vysvětlitelnosti s výkonem modelu
- Starosti ohledně soukromí a ochrany dat ve XAI
Skutečné aplikace XAI
- XAI v zdravotnictví, finance a policejním řízení
- Právní požadavky na vysvětlitelnost
- Stavba důvěry ve systémy umělé inteligence prostřednictvím transparentnosti
Pokročilé koncepty XAI
- Poznávání protifaťovských vysvětlení (counterfactual explanations)
- Vysvětlení neuronových sítí a modelů hlubokého učení
- Interpretace složitých systémů umělé inteligence
Budoucí trendy vysvětlitelného umělého rozumu
- Nastupující techniky ve výzkumu XAI
- Výzvy a možnosti pro budoucí transparentnost AI
- Dopad XAI na zodpovědné rozvoje umělé inteligence
Závěr a další kroky
Požadavky
- Základní znalost pojmů strojového učení
- Znalosti v programování Pythonem
Cílová skupina
- Začínající v oblasti AI
- Enthusiasti datové vědy
14 hodiny
