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 Explainable AI (XAI) og Model Transparency
- Hva er Forklarbar AI?
- Hvorfor åpenhet er viktig i AI-systemer
- Tolkbarhet vs. ytelse i AI-modeller
Oversikt over XAI-teknikker
- Modellagnostiske metoder: SHAP, LIME
- Modellspesifikke forklaringsteknikker
- Forklare nevrale nettverk og dyplæringsmodeller
Bygge transparente AI-modeller
- Implementere tolkbare modeller i praksis
- Sammenligning av gjennomsiktige modeller vs. svartboksmodeller
- Balanser kompleksitet med forklarbarhet
Avanserte XAI-verktøy og biblioteker
- Bruker SHAP for modelltolkning
- Utnytte LIME for lokal forklaring
- Visualisering av modellbeslutninger og atferd
Ta tak i rettferdighet, skjevhet og etisk kunstig intelligens
- Identifisere og redusere skjevheter i AI-modeller
- Rettferdighet i AI og dens samfunnsmessige konsekvenser
- Sikre ansvarlighet og etikk i AI-distribusjon
Real-World-applikasjoner av XAI
- Kasusstudier innen helsevesen, finans og myndigheter
- Tolke AI-modeller for overholdelse av regelverk
- Bygge tillit med transparente AI-systemer
Fremtidige retninger i Forklarbar AI
- Ny forskning i XAI
- Utfordringer med å skalere XAI for store systemer
- Muligheter for fremtiden til transparent AI
Sammendrag og neste trinn
Krav
- Erfaring innen maskinlæring og utvikling av AI-modeller
- Kjennskap til Python programmering
Publikum
- Dataforskere
- Maskinlæringsingeniører
- AI-spesialister
21 timer
