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 về Explainable AI
- Explainable AI (XAI) là gì?
- Tầm quan trọng của minh bạch trong các mô hình AI
- Các thách thức chính trong việc giải thích AI
Các Kỹ thuật cơ bản của XAI
- Các phương pháp không phụ thuộc mô hình: LIME, SHAP
- Các phương pháp giải thích đặc thù mô hình
- Giải thích các quyết định của các mô hình hòm đen
Thực hành với các công cụ XAI
- Giới thiệu các thư viện XAI mã nguồn mở
- Triển khai XAI trong các mô hình học máy đơn giản
- Hiển thị các giải thích và hành vi của mô hình
Các thách thức trong việc giải thích
- Đánh đổi giữa độ chính xác và khả năng giải thích
- Các giới hạn của các phương pháp XAI hiện tại
- Xử lý sự thiên vị và công bằng trong các mô hình giải thích được
Các vấn đề đạo đức trong XAI
- Hiểu các hậu quả đạo đức của minh bạch trong AI
- Cân bằng giữa khả năng giải thích và hiệu suất mô hình
- Các vấn đề bảo mật và bảo vệ dữ liệu trong XAI
Các ứng dụng thực tế của XAI
- XAI trong y tế, tài chính và pháp lý
- Các yêu cầu pháp lý về khả năng giải thích
- Xây dựng sự tin cậy vào các hệ thống AI thông qua minh bạch
Các khái niệm XAI nâng cao
- Khám phá các giải thích giả định ngược
- Giải thích các mạng nơron và các mô hình học sâu
- Giải thích các hệ thống AI phức tạp
Các xu hướng tương lai của Explainable AI
- Các kỹ thuật mới trong nghiên cứu XAI
- Các thách thức và cơ hội cho tương lai minh bạch trong AI
- Ảnh hưởng của XAI đến việc phát triển AI có trách nhiệm
Tổng kết và các bước tiếp theo
Requirements
- Kiến thức cơ bản về các khái niệm học máy
- Quen với lập trình Python
Đối tượng
- Người mới bắt đầu với Trí tuệ nhân tạo
- Người hâm mộ khoa học dữ liệu
14 Hours
