Course Outline

Εισαγωγή στις Προηγμένες Τεχνικές XAI

  • Ανασκόπηση βασικών μεθόδων XAI
  • Προκλήσεις στην ερμηνεία πολύπλοκων μοντέλων τεχνητής νοημοσύνης
  • Τάσεις στην έρευνα και ανάπτυξη XAI

Μοντέλο-Αγνωστικιστικές Τεχνικές Επεξήγησης

  • SHAP (Shapley Additive Explanations)
  • LIME (Τοπικό ερμηνευτικό μοντέλο-αγνωστικές επεξηγήσεις)
  • Επεξηγήσεις άγκυρας

Τεχνικές επεξήγησης για συγκεκριμένο μοντέλο

  • Διάδοση συνάφειας βάσει επιπέδου (LRP)
  • DeepLIFT (Deep Learning Σημαντικά χαρακτηριστικά)
  • Μέθοδοι που βασίζονται σε κλίση (Grad-CAM, Integrated Gradients)

Επεξήγηση Deep Learning μοντέλων

  • Ερμηνεία συνελικτικών νευρωνικών δικτύων (CNN)
  • Εξήγηση των επαναλαμβανόμενων νευρωνικών δικτύων (RNNs)
  • Ανάλυση μοντέλων που βασίζονται σε μετασχηματιστή (BERT, GPT)

Αντιμετώπιση προκλήσεων ερμηνείας

  • Αντιμετώπιση περιορισμών μοντέλου μαύρου κουτιού
  • Εξισορρόπηση ακρίβειας και ερμηνείας
  • Αντιμετώπιση μεροληψίας και δικαιοσύνης στις εξηγήσεις

Εφαρμογές του XAI σε συστήματα πραγματικού κόσμου

  • XAI στην υγειονομική περίθαλψη, τα οικονομικά και τα νομικά συστήματα
  • Κανονισμός τεχνητής νοημοσύνης και απαιτήσεις συμμόρφωσης
  • Οικοδόμηση εμπιστοσύνης και λογοδοσίας μέσω της XAI

Μελλοντικές τάσεις στην εξηγήσιμη τεχνητή νοημοσύνη

  • Αναδυόμενες τεχνικές και εργαλεία στο XAI
  • Μοντέλα επεξήγησης επόμενης γενιάς
  • Ευκαιρίες και προκλήσεις στη διαφάνεια της τεχνητής νοημοσύνης

Περίληψη και Επόμενα Βήματα

Requirements

  • Στέρεη κατανόηση της τεχνητής νοημοσύνης και της μηχανικής μάθησης
  • Εμπειρία με νευρωνικά δίκτυα και βαθιά μάθηση
  • Εξοικείωση με βασικές τεχνικές XAI

Ακροατήριο

  • Έμπειροι ερευνητές AI
  • Μηχανικοί μηχανικής εκμάθησης
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories