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 (XAI) och Modelltransparens
- Vad är förklarbar AI?
- Varför är transparens viktigt i AI-system
- Tolkbarhet vs. prestanda i AI-modeller
Översikt över XAI-tekniker
- Modellagnostiska metoder: SHAP, LIME
- Modelspecifika förklarbarhetstekniker
- Förklarar neurala nätverk och djupinlärningsmodeller
Byggande av Transparenta AI-Modeller
- Implementering av tolkningsbara modeller i praktiken
- Jämförelse av transparenta modeller vs. svarta lådor-modeller
- Balansering av komplexitet med förklarbarhet
Avancerade XAI-verktyg och bibliotek
- Användning av SHAP för modelltolkning
- Utnyttjande av LIME för lokal förklarbarhet
- Visualisering av modellbeslut och beteenden
Hantering av rättvisa, fördomar och etisk AI
- Identifiering och minskning av fördomar i AI-modeller
- Rättvisa i AI och dess samhälleliga påverkan
- Säkerställande av ansvarighet och etik vid AI-implementering
Praktiska tillämpningar av XAI
- Fallstudier inom vård, finans och regering
- Tolkning av AI-modeller för regleringskompatibilitet
- Byggande av förtroende med transparenta AI-system
Framtida riktningar för förklarbar AI
- Uppkommande forskning inom XAI
- Utmaningar i att skala XAI för stora system
- Möjligheter för framtiden för transparent AI
Sammanfattning och nästa steg
Krav
- Erfarenhet av maskininlärning och AI-modellutveckling
- Kännedom om Python-programmering
Målgrupp
- Datavetare
- Maskininlärningsingenjörer
- AI-specialister
21 timmar
