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.
Schița de curs
Introducere în tehnicile XAI avansate
- Revizuirea metodelor XAI de bază
- Provocări în interpretarea modelelor AI complexe
- Tendințe în cercetarea și dezvoltarea XAI
Tehnici de explicabilitate care nu țin cont de model (Model-Agnostic Explainability Techniques)
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Explicații de ancorare
Tehnici de explicabilitate specifice modelului
- Propagarea relevanței pe straturi (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Metode bazate pe gradienți (Grad-CAM, Gradienți integrați)
Explicarea modelelor Deep Learning
- Interpretarea rețelelor neuronale convoluționale (CNN)
- Explicarea rețelelor neuronale recurente (RNN)
- Analiza modelelor bazate pe transformatoare (BERT, GPT)
Gestionarea provocărilor legate de interpretabilitate
- Abordarea limitărilor modelelor black-box
- Echilibrarea preciziei și interpretabilității
- Gestionarea prejudecăților și corectitudinii în explicații
Aplicații ale XAI în sistemele din lumea reală
- XAI în sistemele medicale, financiare și juridice
- Reglementarea IA și cerințele de conformitate
- Construirea încrederii și a responsabilității prin intermediul XAI
Tendințe viitoare în IA explicabilă
- Tehnici și instrumente emergente în XAI
- Noua generație de modele de explicabilitate
- Oportunități și provocări în transparența IA
Rezumat și pași următori
Cerințe
- Înțelegere solidă a IA și a învățării automate
- Experiență cu rețele neuronale și învățare profundă
- Familiaritate cu tehnicile XAI de bază
Audiență
- Cercetători experimentați în IA
- ingineri în domeniul învățării automate
21 ore
