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 förklarbar AI
- Vad är förklarbar AI (XAI)?
- Viktigheten av transparens i AI-modeller
- Huvudutmaningar med AI-tolkning
Grundläggande XAI-tekniker
- Modell-agnostiska metoder: LIME, SHAP
- Modellspecifika förklarbarhetsmetoder
- Förklara beslut som görs av svart-låda-modeller
Praktiskt arbete med XAI-verktyg
- Introduktion till öppen källkod för XAI-bibliotek
- Implementering av XAI i enkla maskininlärningsmodeller
- Visualisera förklaringar och modellbeteende
Utmaningar i förklarbarhet
- Kompromisser mellan noggrannhet och tolkningsförmåga
- Begränsningar hos nuvarande XAI-metoder
- Hantera bias och rättvisa i förklarbara modeller
Etiska överväganden i XAI
- Förstå de etiska implikationerna av AI-transparens
- Balansera förklarbarhet med modellprestanda
- Integritet och dataskyddsproblem i XAI
Praktiska tillämpningar av XAI
- XAI inom hälso- och sjukvård, finans och lagföring
- Regleringskrav för förklarbarhet
- Bygga förtroende för AI-system genom transparens
Avancerade XAI-begrepp
- Utforska motfaktiska förklaringar
- Förklara neurala nätverk och djupinlärningsmodeller
- Tolka komplexa AI-system
Framtidens trender inom förklarbar AI
- Framväxande tekniker inom XAI-forskning
- Utmaningar och möjligheter för framtida AI-transparens
- XAIs inverkan på ansvarsfull AI-utveckling
Sammanfattning och nästa steg
Krav
- Grundläggande förståelse för maskininlärningskoncept
- Kännedom om Python-programmering
Målgrupp
- AI-börjare
- Datavetenskapliga entusiaster
14 timmar
