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.
Kursplan
Introduktion till avancerade XAI-tekniker
- Översikt över grundläggande XAI-metoder
- Utmaningar vid tolkning av komplexa AI-modeller
- Trender inom XAI-forskning och utveckling
Modellagnostiska förklarbarhetsmetoder
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Förklaringar med ankare
Modellspecifika förklarbarhetsmetoder
- Lagvis relevanspropagering (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Gradientbaserade metoder (Grad-CAM, Integrated Gradients)
Förklaring av djupa inlärningsmodeller
- Tolkning av konvolutionella neurala nätverk (CNNs)
- Förklaring av återkommande neurala nätverk (RNNs)
- Analys av transformatorbaserade modeller (BERT, GPT)
Hantering av tolkningsutmaningar
- Hantering av begränsningar hos svartlåde-modeller
- Balansering av noggrannhet och tolkningsförmåga
- Hantering av bias och rättvisa i förklaringar
Tillämpningar av XAI i verkliga system
- XAI inom vård, finans och juridiska system
- Reglering och krav på AI-överensstämmelse
- Byggande av förtroende och ansvarighet genom XAI
Framtida trender inom förklarbar AI
- Uppkommande tekniker och verktyg inom XAI
- Förklarbarhetsmodeller för nästa generation
- Möjligheter och utmaningar inom AI-transparens
Sammanfattning och nästa steg
Krav
- Solid förståelse av AI och maskininlärning
- Erfarenhet av neurala nätverk och djupinlärning
- Bekantskap med grundläggande XAI-tekniker
Målgrupp
- Erfarna AI-forskare
- Maskininlärningsingenjörer
21 timmar
