Explainability in Deep Learning: Demystifying Black-Box Models Képzés

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) haladó szintű szakembereknek szól, akik szeretnék jobban megérteni az XAI technikákat komplex AI-modellek esetében.

A képzés végére a résztvevők képesek lesznek:

• Alkalmazza a legkorszerűbb XAI technikákat az AI modellekben.
• A mély tanulási modellek és döntéseik értelmezése.
• Alkalmazzon fejlett modell-agnosztikus és modellspecifikus magyarázhatósági módszereket.
• Az AI átláthatóságával kapcsolatos kihívások kezelése összetett rendszerekben.

Ez a kurzus magában foglalja az AI (emphasizing Machine Learning és Deep Learning) az iparban. Segít meghatározni, hogy melyik technológia (potenciálisan) használható több helyzetben egy autóban: az egyszerű automatizálástól, a képfelismeréstől az autonóm döntéshozatalig.

Ez a kurzus menedzserek, megoldástervezők, innovációs tisztek, technológiai igazgatók, szoftvertervezők és mindazok számára készült, akiket érdekel az alkalmazott mesterséges intelligencia áttekintése és a fejlődésének legközelebbi előrejelzése.

This instructor-led, live training in Magyarország (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development.

By the end of this training, participants will be able to:

• Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
• Write and understand procedural, functional, and object-oriented programming code.
• Implement machine learning techniques such as classification, clustering, and neural networks.
• Develop AI solutions using rules engines and expert systems for problem-solving.

A mesterséges neurális hálózat egy számítási adatmodell, amelyet „intelligens” feladatok elvégzésére képes Artificial Intelligence (AI) rendszerek fejlesztésében használnak. Neural Networks általánosan használt Machine Learning (ML) alkalmazásokban, amelyek maguk is az AI egyik megvalósítását jelentik. Deep Learning az ML egy részhalmaza.

Ez egy 4 napos tanfolyam, amely bemutatja az AI-t és annak alkalmazását. Lehetőség van arra, hogy a kurzus befejeztével további nap álljon rendelkezésre egy mesterséges intelligencia projekt elvégzésére.

Ez egy 4 napos tanfolyam, amely bemutatja az AI-t és annak Python programozási nyelvet használó alkalmazását. Lehetőség van arra, hogy a kurzus befejeztével további nap álljon rendelkezésre egy mesterséges intelligencia projekt elvégzésére.

This instructor-led, live training in Magyarország (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.

By the end of this training, participants will be able to:

• Understand and implement various Machine Learning algorithms.
• Prepare data and models for machine learning applications.
• Conduct post hoc analyses and visualize results effectively.
• Apply machine learning techniques to real-world, sector-specific scenarios.

A mesterséges neurális hálózat egy számítástechnikai adatmodell, amelyet az „intelligens” feladatok elvégzésére alkalmas Artificial Intelligence (AI) rendszerek fejlesztésére használnak. Neural Networks gyakran használják a Machine Learning (ML) alkalmazásokban, amelyek maguk is az AI egyik megvalósítása. Deep Learning az ML részhalmaza.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a kutatóknak és fejlesztőknek szól, akik a Chainer segítségével neurális hálózatokat szeretnének felépíteni és betanítani a Python-ban, miközben megkönnyítik a kód hibakeresését.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet a neurális hálózati modellek fejlesztésének megkezdéséhez.
• Neurális hálózati modellek meghatározása és megvalósítása érthető forráskód segítségével.
• Példák végrehajtása és meglévő algoritmusok módosítása a mélytanulási képzési modellek optimalizálása érdekében, miközben kihasználja GPU-eket a nagy teljesítmény érdekében.

This instructor-led, live training in Magyarország (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.

By the end of this training, participants will be able to:

• Apply core statistical methods to pattern recognition.
• Use key models like neural networks and kernel methods for data analysis.
• Implement advanced techniques for complex problem-solving.
• Improve prediction accuracy by combining different models.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek és adattudósoknak szól, akik szeretnék megtanulni a Deep Reinforcement Learning alapjait a Deep Learning Agent létrehozása során.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Deep Reinforcement Learning mögött meghúzódó kulcsfontosságú fogalmakat, és tudja megkülönböztetni a gépi tanulástól.
• Speciális Reinforcement Learning algoritmusok alkalmazása valós problémák megoldására.
• Hozzon létre egy mély tanulási ügynököt.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő szintű szakembereknek szól, akik szeretnék megtanulni a megmagyarázható AI alapjait és a felelős AI-rendszerek fejlesztésében betöltött szerepét.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a megmagyarázható AI alapfogalmait.
• Fedezze fel az átláthatóság és az értelmezhetőség fontosságát az AI modellekben.
• Ismerje meg az AI-modellek magyarázhatóvá tételének alapvető technikáit.
• Alkalmazza az XAI technikákat egyszerű gépi tanulási modellekre.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű szakembereknek szól, akik a tisztességes, átlátható és etikus mesterségesintelligencia-rendszerek méltányosságának, átláthatóságának és etikusságának biztosítása érdekében az Explainable AI-technikákat szeretnék alkalmazni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az XAI szerepét az etikus mesterséges intelligencia rendszerekben.
• Alkalmazzon XAI-technikákat az AI-modellek torzításának észlelésére és csökkentésére.
• Biztosítsa az átláthatóságot az AI-modell döntéshozatali folyamataiban.
• A mesterséges intelligencia fejlesztésének összehangolása az etikai és szabályozási normákkal.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű és haladó szintű szakemberek számára készült, akik transzparens mesterséges intelligencia rendszereket szeretnének megvalósítani valós alkalmazásokban.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az átláthatóság fontosságát az AI modellekben.
• Fejlett XAI technikák alkalmazása összetett modellek értelmezéséhez.
• Növelje a modell átlátszóságát SHAP, LIME és egyéb eszközök segítségével.
• Foglalkozzon az AI-modellek etikai aggályaival és méltányosságával.