Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do zaawansowanych technik XAI
- Przegląd podstawowych metod XAI
- Wyzwania w interpretacji złożonych modeli AI
- Trendy w badaniach i rozwoju XAI
Techniki wyjaśniania niezależne od modelu
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Wyjaśnienia Anchor
Techniki wyjaśniania specyficzne dla modelu
- Propagacja relewancji warstwowej (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Metody oparte na gradientach (Grad-CAM, Integrated Gradients)
Wyjaśnianie modeli uczenia głębokiego
- Interpretacja konwolucyjnych sieci neuronowych (CNN)
- Wyjaśnianie rekurencyjnych sieci neuronowych (RNN)
- Analiza modeli opartych na transformatorach (BERT, GPT)
Radzenie sobie z wyzwaniami interpretowalności
- Przezwyciężanie ograniczeń modeli typu czarnej skrzynki
- Balansowanie między dokładnością a interpretowalnością
- Zarządzanie uprzedzeniami i uczciwością w wyjaśnieniach
Zastosowania XAI w rzeczywistych systemach
- XAI w systemach opieki zdrowotnej, finansowych i prawnych
- Regulacje AI i wymagania dotyczące zgodności
- Budowanie zaufania i odpowiedzialności poprzez XAI
Przyszłe trendy w Explainable AI
- Nowe techniki i narzędzia w XAI
- Modele wyjaśnialności nowej generacji
- Szanse i wyzwania w przejrzystości AI
Podsumowanie i kolejne kroki
Wymagania
- Solidne zrozumienie AI i uczenia maszynowego
- Doświadczenie w pracy z sieciami neuronowymi i uczeniem głębokim
- Znajomość podstawowych technik XAI
Grupa docelowa
- Doświadczeni badacze AI
- Inżynierowie uczenia maszynowego
21 godzin
