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 Forklarbar AI (XAI) og Modellgjennomsiktighet
- Hva er forklarbar AI?
- Hvorfor er gjennomsiktighet viktig i AI-systemer
- Tolkelighet vs. ytelse i AI-modeller
Oversikt over XAI-teknikker
- Modell-agnostiske metoder: SHAP, LIME
- Modell-spesifikke forklarbarhetsmetoder
- Forklaring av neuronale nettverk og dype læringsmodeller
Bygging av Gjennomsiktige AI-modeller
- Implementering av tolkbare modeller i praksis
- Sammenligning av gjennomsiktige modeller mot svart-bokskontrollerte modeller
- Balansering av kompleksitet med tolkbarhet
Avanserte XAI-verktøy og biblioteker
- Bruk av SHAP for modellfortolkning
- Utnyttelse av LIME for lokal tolkbarhet
- Visualisering av modellbeslutninger og atferd
Adressering av Fairness, Bias, og Etisk AI
- Identifisering og redusering av bias i AI-modeller
- Fairness i AI og dens samfunnsmessige påvirkning
- Sikring av ansvarlighet og etikk i AI-innføring
Praktiske Applikasjoner av XAI
- Saker i helsevesen, finans og offentlig sektor
- Fortolkning av AI-modeller for reguleringskonformitet
- Bygging av tillit med gjennomsiktige AI-systemer
Fremtidige Retninger i Forklarbar AI
- Ny forskning innen XAI
- Utfordringer i skalering av XAI for store systemer
- Muligheter for fremtiden med gjennomsiktig AI
Sammenfatning og Neste Skritt
Krav
- Erfaring med maskinlæring og utvikling av AI-modeller
- Kjennskap til Python-programmering
Målgruppe
- Dataforskere
- Maskinlæringsingeniører
- AI-spesialister
21 timer
