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 vysvětlitelné umělé inteligence
- Co je to vysvětlitelná umělá inteligence (XAI)?
- Důležitost transparentnosti u AI modelů
- Hlavní výzvy spojené s vysvětlitelností umělé inteligence
Základní techniky XAI
- Metody nezávislé na typu modelu: LIME, SHAP
- Techniky vysvětlitelnosti specifické pro konkrétní modely
- Jak vysvětlovat rozhodnutí u modelů typu „černá skříňka“
Praktické cvičení s nástroji XAI
- Seznámení s open-source knihovnami pro XAI
- Implementace technik XAI u jednoduchých modelů strojového učení
- Vizualizace vysvětlení a chování modelů
Problémy spojené s vysvětlitelností AI
- Kompromisy mezi přesností a srozumitelností modelů
- Omezení současných metod vysvětlitelné AI
- Jak řešit předpojatost a spravedlnost u modelů s vysvětlitelností
Etické aspekty vysvětlitelné umělé inteligence
- Pochopení etických důsledků transparentnosti AI
- Jak vyvažovat vysvětlitelnost a výkonnost modelů
- Otázky soukromí a ochrany dat při použití XAI
Reálné aplikace vysvětlitelné umělé inteligence
- Využití XAI ve zdravotnictví, financích a justici
- Regulatorní požadavky na vysvětlitelnost AI systémů
- Jak díky transparentnosti budujeme důvěru v AI systémy
Pokročilé koncepty vysvětlitelné umělé inteligence
- Techniky typu kontrafaktuálního vysvětlení
- Jak vysvětlovat neuronové sítě a modely hlubokého učení
- Interpretace složitých AI systémů
Budoucí trendy ve vysvětlitelné umělé inteligenci
- Nové výzkumné metody v oblasti XAI
- Výzvy a příležitosti pro budoucí rozvoj průhlednosti AI
- Dopad vysvětlitelné umělé inteligence na odpovědný vývoj AI systémů
Shrnutí a další kroky
Požadavky
- Základní znalosti konceptů strojového učení
- Seznámenost s programováním v jazyce Python
Cílová skupina
- Začínající uživatelé AI
- Zájemci o datovou vědu
14 Hodiny
