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 fejlett XAI technikákba
- Az alapvető XAI módszerek áttekintése
- Kihívások az összetett AI-modellek értelmezésében
- Trendek az XAI kutatásban és fejlesztésben
Modell-agnosztikus magyarázhatósági technikák
- SHAP (SHapley Additive ExPlanations)
- LIME (helyi értelmezhető modell-agnosztikus magyarázatok)
- Horgony magyarázatok
Modell-specifikus magyarázhatósági technikák
- Layer-wise relevance propagation (LRP)
- DeepLIFT (Deep Learning fontos funkciók)
- Gradiens alapú módszerek (Grad-CAM, Integrated Gradients)
Deep Learning Modellek magyarázata
- Konvolúciós neurális hálózatok (CNN-ek) értelmezése
- Az ismétlődő neurális hálózatok (RNN-ek) magyarázata
- Transzformátor alapú modellek elemzése (BERT, GPT)
Az értelmezhetőségi kihívások kezelése
- A fekete doboz modellek korlátozásainak kezelése
- A pontosság és az értelmezhetőség egyensúlya
- Az elfogultság és a tisztesség kezelése a magyarázatokban
Az XAI alkalmazásai valós rendszerekben
- XAI az egészségügyben, a pénzügyekben és a jogi rendszerekben
- AI szabályozás és megfelelési követelmények
- Bizalom és elszámoltathatóság kiépítése a XAI-n keresztül
A megmagyarázható AI jövőbeli trendjei
- Új technikák és eszközök az XAI-ban
- Következő generációs magyarázhatósági modellek
- Lehetőségek és kihívások az AI átláthatóságában
Összegzés és a következő lépések
Követelmények
- Az AI és a gépi tanulás alapos ismerete
- Neurális hálózatokkal és mély tanulással kapcsolatos tapasztalat
- Az alapvető XAI technikák ismerete
Közönség
- Tapasztalt AI-kutatók
- Gépi tanulási mérnökök
21 Órák
