Plan Szkolenia

Wprowadzenie do Zaawansowanych Technik XAI

  • Przegląd podstawowych metod XAI
  • Wyzwania związane z interpretacją skomplikowanych modeli AI
  • Trendy w badaniach i rozwoju XAI

Techniki Wyjaśnialności Niezależne od Modelu

  • SHAP (SHapley Additive exPlanations)
  • LIME (Local Interpretable Model-agnostic Explanations)
  • Wyjaśnienia Anchor

Techniki Wyjaśnialności Specyficzne dla Modelu

  • Propagacja odpowiedzialności warstwowej (LRP)
  • DeepLIFT (Deep Learning Important FeaTures)
  • Metody opierające się na gradientach (Grad-CAM, Integrated Gradients)

Wyjaśnianie Modeli Deep Learning

  • Interpretowanie sieci neuronowych konwolucyjnych (CNNs)
  • Wyjaśnianie sieci neuronowych rekurencyjnych (RNNs)
  • Analiza modeli opartych na transformatorach (BERT, GPT)

Radzenie sobie z Wyzwaniami Interpretacji

  • Zmniejszanie ograniczeń modeli czarnych skrzynki
  • Balansowanie między dokładnością a interpretacją
  • Zwalczanie uprzedzeń i sprawiedliwości w wyjaśnieniach

Zastosowania XAI w Rzeczywistych Systemach

  • XAI w systemach zdrowotnych, finansowych i prawnych
  • Wymagania regulacyjne i zgodności w AI
  • Budowanie zaufania i odpowiedzialności poprzez XAI

Przyszłe Trendy w Wyjaśnialnym Sztucznym Inteligencji

  • Wypływające techniki i narzędzia w XAI
  • Modele wyjaśnialności nowej generacji
  • Możliwości i wyzwania w przejrzystości AI

Podsumowanie i Kolejne Kroki

Wymagania

  • Solidne zrozumienie sztucznej inteligencji i uczenia maszynowego
  • Doświadczenie w sieciach neuronowych i uczeniu głębokim
  • Znaję podstawowe techniki XAI

Grupa docelowa

  • Dojrzali badacze sztucznej inteligencji
  • Inżynierowie uczenia maszynowego
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie