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 обяснимия изкуствен интелект (XAI) и прозрачността на моделите
- Какво представлява обяснимият изкуствен интелект (XAI)?
- Защо прозрачността има значение в AI системите
- Интерпретируемост спрямо производителност в AI моделите
Преглед на XAI техниките
- Моделно-агностични методи: SHAP, LIME
- Специфични за модела техники за обяснимост
- Обясняване на невронни мрежи и модели за дълбоко обучение
Изграждане на прозрачни AI модели
- Внедряване на интерпретируеми модели на практика
- Сравняване на прозрачни модели срещу модели тип „черна кутия“
- Балансиране на сложността с обяснимостта
Напреднали XAI инструменти и библиотеки
- Използване на SHAP за интерпретация на модели
- Използване на LIME за локална обяснимост
- Визуализация на решения и поведения на моделите
Адресиране на безпристрастност, предубеденост и етичен AI
- Идентифициране и смекчаване на предубеденост в AI моделите
- Безпристрастност в AI и нейните обществени въздействия
- Осигуряване на отчетност и етика при внедряването на AI
Приложения на XAI в реалния свят
- Казуси от здравеопазването, финансите и управлението
- Интерпретиране на AI модели за регулаторно съответствие
- Изграждане на доверие с прозрачни AI системи
Бъдещи насоки в обяснимия изкуствен интелект
- Нововъзникващи изследвания в XAI
- Предизвикателства при мащабирането на XAI за широкомащабни системи
- Възможности за бъдещето на прозрачния AI
Обобщение и следващи стъпки
Изисквания
- Опит в машинното обучение и разработването на AI модели
- Познания по програмиране на Python
Аудитория
- Специалисти по данни (Data scientists)
- Инженери по машинно обучение
- AI специалисти
21 Часа
