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 στο εξηγήσιμο AI
- Τι είναι το εξηγήσιμο AI (XAI);
- Η σημασία της διαφάνειας στα μοντέλα τεχνητής νοημοσύνης
- Βασικές προκλήσεις στην ερμηνευτικότητα της τεχνητής νοημοσύνης
Βασικές Τεχνικές XAI
- Μοντέλο-αγνωστικές μέθοδοι: LIME, SHAP
- Μέθοδοι επεξήγησης για συγκεκριμένο μοντέλο
- Εξήγηση των αποφάσεων που λαμβάνονται από μοντέλα μαύρου κουτιού
Hands-On με τα εργαλεία XAI
- Εισαγωγή στις βιβλιοθήκες XAI ανοιχτού κώδικα
- Εφαρμογή XAI σε απλά μοντέλα μηχανικής μάθησης
- Οπτικοποίηση επεξηγήσεων και μοντέλο συμπεριφοράς
Προκλήσεις στην Επεξήγηση
- Ανταλλαγή ακρίβειας έναντι ερμηνείας
- Περιορισμοί των τρεχουσών μεθόδων XAI
- Χειρισμός μεροληψίας και δικαιοσύνης σε εξηγήσιμα μοντέλα
Ηθικές Θεωρήσεις στο XAI
- Κατανόηση των ηθικών επιπτώσεων της διαφάνειας της τεχνητής νοημοσύνης
- Εξισορρόπηση της επεξήγησης με την απόδοση του μοντέλου
- Ζητήματα απορρήτου και προστασίας δεδομένων στο XAI
Εφαρμογές του XAI σε πραγματικό κόσμο
- XAI στην υγειονομική περίθαλψη, τα οικονομικά και την επιβολή του νόμου
- Κανονιστικές απαιτήσεις για επεξήγηση
- Οικοδόμηση εμπιστοσύνης στα συστήματα τεχνητής νοημοσύνης μέσω της διαφάνειας
Προηγμένες έννοιες XAI
- Διερεύνηση αντιπραγματικών εξηγήσεων
- Εξήγηση νευρωνικών δικτύων και μοντέλων βαθιάς μάθησης
- Ερμηνεία πολύπλοκων συστημάτων AI
Μελλοντικές τάσεις στην εξηγήσιμη τεχνητή νοημοσύνη
- Αναδυόμενες τεχνικές στην έρευνα XAI
- Προκλήσεις και ευκαιρίες για μελλοντική διαφάνεια AI
- Αντίκτυπος του XAI στην υπεύθυνη ανάπτυξη AI
Περίληψη και Επόμενα Βήματα
Requirements
- Βασική κατανόηση των εννοιών μηχανικής μάθησης
- Εξοικείωση με τον προγραμματισμό Python
Ακροατήριο
- AI αρχάριοι
- Λάτρεις της επιστήμης δεδομένων
14 Hours