Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés a haladó XAI technikákba
- Az alapvető XAI módszerek áttekintése
- Kihívások a komplex AI modellek értelmezésében
- Trendek az XAI kutatásban és fejlesztésben
Modellfüggetlen magyarázhatósági technikák
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Anchor explanations
Modellspecifikus magyarázhatósági technikák
- Layer-wise relevance propagation (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Gradiens alapú módszerek (Grad-CAM, Integrated Gradients)
Mélytanulási modellek magyarázata
- Konvolúciós neurális hálózatok (CNN) értelmezése
- Rekurrens neurális hálózatok (RNN) magyarázata
- Transzformer alapú modellek (BERT, GPT) elemzése
A magyarázhatósági kihívások kezelése
- A feketedoboz modell korlátainak kezelése
- A pontosság és a magyarázhatóság egyensúlyozása
- A torzítás és az igazságosság kezelése a magyarázatokban
XAI alkalmazások valós rendszerekben
- XAI az egészségügyben, pénzügyben és jogrendszerekben
- AI szabályozások és megfelelési követelmények
- Bizalom és felelősségvállalás építése XAI segítségével
Jövőbeli trendek a magyarázható mesterséges intelligenciában
- Új technikák és eszközök az XAI területén
- Új generációs magyarázhatósági modellek
- Lehetőségek és kihívások az AI transzparenciában
Összefoglalás és következő lépések
Követelmények
- Szilárd alapismeretek a mesterséges intelligenciáról és a gépi tanulásról
- Tapasztalat neurális hálózatokkal és mélytanulással
- Alapvető XAI technikák ismerete
Célközönség
- Tapasztalt AI kutatók
- Gépi tanulás mérnökök
21 Órák
