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
Introduksjon til avanserte XAI-teknikker
- Oversikt over grunnleggende XAI-metoder
- Utfordringer ved tolkning av komplekse AI-modeller
- Trender innen XAI-forskning og -utvikling
Model-agnostisk forklarbarhetsteknikker
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Anchor-forklaringer
Model-spesifikk forklarbarhetsteknikker
- Lagvis relevanspropagasjon (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Gradientbaserte metoder (Grad-CAM, Integrated Gradients)
Forklaring av dyplæringsmodeller
- Tolkning av konvolusjonelle neuronnettverk (CNNs)
- Forklaring av tilbakekoblingsnettverk (RNNs)
- Analyse av transformerbasede modeller (BERT, GPT)
Håndtering av forklarbarhetsutfordringer
- Adressering av begrensninger i black-box-modeller
- Balansering mellom nøyaktighet og forklarbarhet
- Håndtering av bias og rettferdighet i forklaringer
Anvendelser av XAI i reelle systemer
- XAI i helsevesen, finans og juridiske systemer
- Regulering og kravene til overholdelse av AI
- Bygging av tillit og ansvarsfullhet gjennom XAI
Framtidsrettede trender i forklarbar kunstig intelligens
- Opprinnelige teknikker og verktøy i XAI
- Neste generasjons forklarbarhetsmodeller
- Muligheter og utfordringer med AI-transparens
Oppsummering og neste skritt
Krav
- God kjennskap til AI og maskinlæring
- Erfaring med neuronnettverk og dyp lærings
- Kjennskap til grunnleggende XAI-teknikker
Målgruppe
- Erfarne AI-forskere
- Maskinlæringsingeniører
21 timer
