Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Időtartalma 14 órák
Kurzusleírás
Bevezetés az explicíthető MI-be
- Mi az explicíthető mesterséges intelligencia (XAI)?
- Az átláthatóság fontossága a MI-modellekben
- Fő kihívások a MI értelmezhetőségében
Alapvető XAI technikák
- Modell-független módszerek: LIME, SHAP
- Modellspecifikus explicíthetőségi módszerek
- Fekete doboz modell döntéseinek magyarázása
Gyakorlat a XAI eszközökkel
- Bevezetés a nyílt forráskódú XAI könyvtárakba
- XAI megvalósítása egyszerű gépi tanuló modellekben
- Magyarázatok és modellviselkedés vizualizálása
Kihívások az explicíthetőségben
- Pontosság és értelmezhetőség közötti kompromisszumok
- Jelenlegi XAI módszerek korlátai
- Torzítás és tisztesség kezelése explicíthető modellekben
Etikai szempontok a XAI-ban
- A MI átláthatóságának etikai következményeinek megértése
- Az explicíthetőség és a modell teljesítményének kiegyensúlyozása
- Adatvédelmi és adatmegőrzési aggályok a XAI-ban
A XAI valós világban történő alkalmazásai
- XAI az egészségügyben, a pénzügyekben és a jogvédelemben
- Szabályozási követelmények az explicíthetőséghez
- Bizalomépítés a MI-rendszerekben az átláthatóság révén
Haladó XAI fogalmak
- Ellentétes tényes (counterfactual) magyarázatok felfedezése
- Ideg hálózatok és mély tanuló modellek magyarázása
- Bonyolult MI-rendszerek értelmezése
Jövőbeli trendek az explicíthető MI-ben
- Új technológiák a XAI kutatásban
- Kihívások és lehetőségek a jövőbeli MI átláthatóság számára
- A XAI hatása a felelős MI-fejlesztésre
Követelmények
- A gépi tanulás alapfogalmainak alapvető ismerete
- A Python programozási nyelvtel való familiaritás
Célközönség
- MI kezdők
- Adattudomány iránt érdeklődők
