Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в усъвършенстваните XAI техники
- Преглед на основните XAI методи
- Предизвикателства при интерпретирането на сложни AI модели
- Тенденции в изследванията и развитието на XAI
Моделно-агностични техники за обяснимост
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Anchor обяснения
Моделно-специфични техники за обяснимост
- Послойно разпространение на релевантността (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Методи, базирани на градиенти (Grad-CAM, Integrated Gradients)
Обясняване на модели за дълбоко обучение
- Интерпретиране на конволюционни невронни мрежи (CNN)
- Обясняване на рекурентни невронни мрежи (RNN)
- Анализиране на модели, базирани на трансформери (BERT, GPT)
Справяне с предизвикателствата пред интерпретируемостта
- Адресиране на ограниченията на моделите тип "черна кутия"
- Балансиране на точност и интерпретируемост
- Справяне с отклонения и справедливост в обясненията
Приложения на XAI в реални системи
- XAI в здравеопазването, финансите и правните системи
- Регулации за AI и изисквания за съответствие
- Изграждане на доверие и отчетност чрез XAI
Бъдещи тенденции в обяснимия изкуствен интелект
- Нововъзникващи техники и инструменти в XAI
- Модели за обяснимост от следващо поколение
- Възможности и предизвикателства пред прозрачността на AI
Обобщение и следващи стъпки
Изисквания
- Солидно разбиране за AI и машинното обучение
- Опит с невронни мрежи и дълбоко обучение
- Запознатост с основни XAI техники
Аудитория
- Опитни AI изследователи
- Инженери по машинно обучение
21 Часа
