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
- Genomgång av grundläggande XAI-metoder
- Utmaningar med att tolka komplexa AI-modeller
- Trender inom XAI-forskning och utveckling
Modellagnostiska förklarbarhetstekniker
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Förklaringar av fästpunkter
Modellspecifika förklarbarhetstekniker
- Skiktvis relevansförökning (LRP)
- DeepLIFT (Deep Learning Viktiga funktioner)
- Gradientbaserade metoder (Grad-CAM, Integrated Gradients)
Förklara Deep Learning modeller
- Tolka konvolutionella neurala nätverk (CNN)
- Förklara återkommande neurala nätverk (RNN)
- Analysera transformatorbaserade modeller (BERT, GPT)
Hantering av tolkningsutmaningar
- Åtgärda begränsningar för black-box-modeller
- Balans mellan noggrannhet och tolkningsbarhet
- Att hantera partiskhet och rättvisa i förklaringar
Tillämpningar av XAI i verkliga system
- XAI inom hälso- och sjukvård, finans och rättssystem
- AI-reglering och efterlevnadskrav
- Bygga förtroende och ansvarstagande genom XAI
Framtida trender inom förklarlig AI
- Nya tekniker och verktyg i XAI
- Nästa generations förklarbarhetsmodeller
- Möjligheter och utmaningar inom AI-transparens
Sammanfattning och nästa steg
Krav
- Gedigen förståelse för AI och maskininlärning
- Erfarenhet av neurala nätverk och djupinlärning
- Kännedom om grundläggande XAI-tekniker
Publik
- Erfarna AI-forskare
- Ingenjörer inom maskininlärning
21 timmar
