Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Doba trvání 21 hodiny
Návrh Školení
Úvod do vysvětlitelnosti v hlubokém učení
- Co jsou modely typu „black box“?
- Důležitost transparentnosti u AI systémů
- Přehled problémů s vysvětlitelností u neuronových sítí
Pokročilé techniky XAI pro hluboké učení
- Modelově nezávislé metody: LIME a SHAP
- Propagace významnosti jednotlivých vrstev (LRP)
- Salienční mapy a metody založené na gradientech
Vysvětlování rozhodnutí neuronových sítí
- Vizualizace skrytých vrstev v neuronových sítích
- Pochopení mechanismů pozornosti v modelech hlubokého učení
- Generování lidsky srozumitelných vysvětlení na základě výstupů neuronových sítí
Nástroje pro vysvětlování modelů hlubokého učení
- Seznámení s open-source knihovnami XAI
- Použití nástrojů Captum a InterpretML při práci s hlubokým učením
- Integrace technik vysvětlitelnosti do frameworků TensorFlow a PyTorch
Vysvětlitelnost versus výkon
- Kompromisy mezi přesností a pochopitelností modelů
- Návrh hlubokých učebních modelů, které jsou zároveň srozumitelné i efektivní
- Řešení problémů spojených s předpojatostí a spravedlností v AI
Reálné aplikace vysvětlitelnosti hlubokého učení
- Použití vysvětlitelných modelů v zdravotnické AI
- Regulační požadavky na transparentnost systémů AI
- Nasazování srozumitelných modelů hlubokého učení do praxe
Etické aspekty vysvětlitelnosti hlubokého učení
- Etické důsledky transparentního chování AI systémů
- Sladění etických postupů s potřebou inovací v AI
- Otázky soukromí při aplikaci technik vysvětlitelnosti v hlubokém učení
Shrnutí a další kroky
Požadavky
- Pokročilé znalosti v oblasti hlubokého učení
- Ovládání jazyka Python a pracovní nástrojů pro hluboké učení
- Zkušenosti s prácí na neuronových sítích
Cílová skupina
- Inženýři specializující se na hluboké učení
- Odborníci v oblasti umělé inteligence
Reference (2)
Naučit lidi, kteří AI nikdy nepoužívali, opakovat se v zadávání promptů a přimět ty, kteří ji už používají, aby zvážili jiné metody jejího využití.
Matthew Gay - Tarsus Pharmaceuticals
Kurz - Artificial Intelligence (AI) Overview
Přeloženo strojem
Práce na základě prvních principů s cíleným zaměřením a následné aplikace případových studií v rámci stejného dne
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurz - Artificial Neural Networks, Machine Learning, Deep Thinking
Přeloženo strojem
