Explainability in Deep Learning: Demystifying Black-Box Models - Plan Szkolenia

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą lepiej zrozumieć techniki XAI dla złożonych modeli sztucznej inteligencji.

Pod koniec tego szkolenia uczestnicy będą mogli

• Wdrażać najnowocześniejsze techniki XAI w modelach AI.
• Interpretować modele głębokiego uczenia się i ich decyzje.
• Stosować zaawansowane metody wyjaśniania niezależne od modelu i specyficzne dla modelu.
• Podejmować wyzwania związane z przejrzystością AI w złożonych systemach.

Kurs obejmuje sztuczną inteligencję (z naciskiem na Machine Learning i głębokie uczenie) w przemyśle motoryzacyjnym. Pomaga określić, która technologia może być (potencjalnie) wykorzystywana w wielu sytuacjach w samochodzie: od prostej automatyzacji, rozpoznawania obrazu po autonomiczne podejmowanie decyzji.

Kurs ten został stworzony dla menadżerów, architektów, analityków biznesowych i systemowych, menedżerów oprogramowania oraz wszystkich zainteresowanych przeglądem stosowania sztucznej inteligencji i prognozą dla jej rozwoju.

This instructor-led, live training in Polsce (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development.

By the end of this training, participants will be able to:

• Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
• Write and understand procedural, functional, and object-oriented programming code.
• Implement machine learning techniques such as classification, clustering, and neural networks.
• Develop AI solutions using rules engines and expert systems for problem-solving.

Sztuczna sieć neuronowa to obliczeniowy model danych wykorzystywany w rozwoju Artificial Intelligence (AI) systemów zdolnych do wykonywania "inteligentnych" zadań. Neural Networks są powszechnie używane w aplikacjach Machine Learning (ML), które same w sobie są jedną z implementacji sztucznej inteligencji. Deep Learning jest podzbiorem ML.

This instructor-led, live training in Polsce (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.

By the end of this training, participants will be able to:

• Understand and implement various Machine Learning algorithms.
• Prepare data and models for machine learning applications.
• Conduct post hoc analyses and visualize results effectively.
• Apply machine learning techniques to real-world, sector-specific scenarios.

This instructor-led, live training in Polsce (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.

By the end of this training, participants will be able to:

• Apply core statistical methods to pattern recognition.
• Use key models like neural networks and kernel methods for data analysis.
• Implement advanced techniques for complex problem-solving.
• Improve prediction accuracy by combining different models.

Typ: Szkolenie teoretyczne z aplikacjami ustalonymi wcześniej ze studentami na Lasagne lub Keras w zależności od grupy dydaktycznej.

Metoda nauczania: prezentacja, dyskusja i studia przypadków

Sztuczna inteligencja zrewolucjonizowała wiele dziedzin nauki, a obecnie zaczyna rewolucjonizować wiele sektorów gospodarki (przemysł, medycynę, komunikację itp.). Jednak sposób, w jaki jest ona przedstawiana w mediach głównego nurtu, jest często fantazją, daleką od realiów domen Machine Learning i Deep Learning. Celem tego kursu jest zapewnienie inżynierom, którzy już opanowali narzędzia informatyczne (w tym podstawową wiedzę na temat programowania oprogramowania), wprowadzenia do Deep Learning i jego różnych specjalistycznych obszarów, a tym samym do głównych istniejących obecnie architektur sieciowych. Chociaż podstawy matematyczne są przywoływane podczas kursu, poziom matematyki taki jak BAC + 2 jest zalecany dla większego komfortu. Całkowicie możliwe jest pominięcie matematyki w celu zachowania jedynie wizji "systemów", ale takie podejście znacznie ograniczy zrozumienie tematu.

Szkolenie skierowane jest do osób, które chcą poznać podstawy sieci neuronowych i ich zastosowań.

Kurs ten jest wprowadzeniem do stosowania sieci neuronowych w rzeczywistych problemach przy użyciu oprogramowania R-project.

W tym instruktażowym szkoleniu na żywo w Polsce uczestnicy dowiedzą się, jak wykorzystać innowacje w procesorach TPU, aby zmaksymalizować wydajność własnych aplikacji AI.

Po zakończeniu szkolenia uczestnicy będą w stanie

• Trenowanie różnych typów sieci neuronowych na dużych ilościach danych.
• Użycie procesorów TPU do przyspieszenia procesu wnioskowania nawet o dwa rzędy wielkości.
• Użyj TPU do przetwarzania intensywnych aplikacji, takich jak wyszukiwanie obrazów, widzenie w chmurze i zdjęcia.

Ten kurs rozpoczyna się od przekazania wiedzy koncepcyjnej na temat sieci neuronowych i ogólnie algorytmów uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).

Część 1 (40%) tego szkolenia koncentruje się bardziej na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow, Caffe, Theano, DeepDrive, Keras itp.

Część 2 (20%) tego szkolenia wprowadza Theano - bibliotekę Pythona, która ułatwia pisanie modeli głębokiego uczenia się.

Część trzecia (40%) szkolenia będzie w znacznym stopniu oparta na Tensorflow - API drugiej generacji otwartej biblioteki oprogramowania Google do uczenia głębokiego. Przykłady i ćwiczenia zostaną wykonane w TensorFlow.

Uczestnicy

Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow w swoich projektach Deep Learning

Po ukończeniu tego kursu uczestnicy będą

• dobrze rozumie głębokie sieci neuronowe (DNN), CNN i RNN
• rozumieć TensorFlow’ strukturę i mechanizmy wdrażania
• być w stanie wykonać zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
• być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
• być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla początkujących profesjonalistów, którzy chcą poznać podstawy Explainable AI i jej rolę w rozwoju odpowiedzialnych systemów AI.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Zrozumieć podstawowe koncepcje Explainable AI.
• Zbadać znaczenie przejrzystości i możliwości interpretacji w modelach sztucznej inteligencji.
• Poznanie podstawowych technik umożliwiających wyjaśnianie modeli sztucznej inteligencji.
• Zastosować techniki XAI do prostych modeli uczenia maszynowego.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średniozaawansowanych profesjonalistów, którzy chcą zastosować techniki Explainable AI w celu zapewnienia uczciwości, przejrzystości i etycznych systemów AI.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Zrozumieć rolę XAI w etycznych systemach AI.
• Wdrożyć techniki XAI w celu wykrywania i łagodzenia stronniczości w modelach AI.
• Zapewnić przejrzystość w procesach decyzyjnych modeli AI.
• Dostosować rozwój sztucznej inteligencji do standardów etycznych i regulacyjnych.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych i zaawansowanych profesjonalistów, którzy chcą wdrożyć przejrzyste systemy sztucznej inteligencji w rzeczywistych aplikacjach.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć znaczenie przejrzystości w modelach AI.
• Wdrożyć zaawansowane techniki XAI do interpretacji złożonych modeli.
• Zwiększyć przejrzystość modelu za pomocą SHAP, LIME i innych narzędzi.
• Rozwiązywać problemy etyczne i uczciwość w modelach AI.