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.
Đề cương khóa học
Giới thiệu kứ năng XAI Nâng Cao
- Xem lại các phương pháp XAI cơ bản
- Thách thức trong việc giải thích các mô hình AI phức tạp
- Xu hướng trong nghiên cứu và phát triển XAI
Kỹ thuật giải thích mô hình độc lập (Model-Agnostic Explainability Techniques)
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Giải thích bằng Anchor
Kỹ thuật giải thích mô hình cụ thể (Model-Specific Explainability Techniques)
- Layer-wise relevance propagation (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Các phương pháp dựa trên gradient (Grad-CAM, Integrated Gradients)
Giải thích mô hình học sâu (Explaining Deep Learning Models)
- Giải thích mạng nơron tích chập (CNNs)
- Giải thích mạng nơron tái hiện (RNNs)
- Phân tích mô hình dựa trên Transformer (BERT, GPT)
Xử lý các thách thức về khả năng giải thích (Handling Interpretability Challenges)
- Đối phó với giới hạn của mô hình hòa cục (black-box model)
- Cân bằng độ chính xác và khả năng giải thích
- Xử lý thiên vị và công bằng trong các giải thích
Ứng dụng XAI trong các hệ thống thực tế
- XAI trong y tế, tài chính và hệ thống pháp lý
- Yêu cầu tuân thủ quy định và phù hợp về AI
- Xây dựng sự tin cậy và trách nhiệm thông qua XAI
Xu hướng tương lai trong AI có khả năng giải thích
- Các kỹ thuật và công cụ mới nổi trong XAI
- Các mô hình giải thích thế hệ tiếp theo
- Các cơ hội và thách thức trong sự minh bạch của AI
Tổng kết và Bước tiếp theo
Requirements
- Kiến thức vững chắc về AI và học máy
- Kinh nghiệm với mạng nơron và học sâu
- Thông thạo các kỹ thuật XAI cơ bản
Đối tượng
- Các nhà nghiên cứu AI có kinh nghiệm
- Các kỹ sư học máy
21 Hours
