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.
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