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 vysvětlitelného umělého rozumování (XAI) a průhlednosti modelů
- Co je vysvětlitelné umělé rozumování?
- Proč je důležita průhlednost v systémech umělé inteligence
- Interpretovatelnost vs. výkonnost v modelech AI
Přehled technik XAI
- Model-agnostické metody: SHAP, LIME
- Specifické techniky vysvětlitelnosti modelů
- Vysvětlení neuronových sítí a hlubokého učení
Vytváření průhledných modelů AI
- Implementace interpretovatelných modelů ve skutečnosti
- Porovnání transparentních modelů s "black-box" modely
- Rozvážení komplexity a vysvětlitelnosti
Pokročilé nástroje a knihovny XAI
- Používání SHAP pro interpretaci modelů
- Využití LIME pro lokální vysvětlivost
- vizualizace rozhodování a chování modelu
Řešení spravedlnosti, zárodek předsudků a etické AI
- Identifikace a snížení předsudku v modelech AI
- Spravedlnost ve umělé inteligenci a její společenský dopad
- Zajištění odpovědnosti a etiky při nasazování AI
Skutečné aplikace XAI
- Případové studie v zdravotnictví, financích a ve správě
- Interpretace modelů AI pro soulad s právními předpisy
- Vytváření důvěry prostřednictvím průhledných systémů AI
Budoucí směry vysvětlitelného umělého rozumování
- Vznikající výzkumy v oblasti XAI
- Výzvy spojené s škálováním XAI pro velké systémy
- Možnosti budoucnosti průhledné AI
Shrnutí a další kroky
Požadavky
- Zkušenosti s vývojem modelů strojového učení a umělé inteligence
- znalost programování v jazyce Python
Cílová skupina
- analytičtí data
- inženýři strojového učení
- odborníci na umělou inteligenci
21 hodiny
