دوره XAI: هوش مصنوعی قابل توضیح

آنچه یاد خواهید گرفت:

• چگونه مدل‌های یادگیری ماشین را با استفاده از تکنیک‌های مختلف توضیح دهید؟

توضیحات دوره

مدل‌های یادگیری ماشین روز به روز محبوب‌تر می‌شوند. اما هر کاربری به سودمندی و کاربرد آن‌ها متقاعد نشده است. چگونه و چه زمانی می‌توانیم به مدل‌ها اعتماد کنیم؟ اگر مدل ما درخواست وام متقاضی را رد کرده است، آیا می‌توانیم برای او توضیح دهیم که چرا این اتفاق افتاده است؟ چه نوع توضیحاتی در مورد مدل یا رفتار آن می‌توانیم ارائه دهیم؟ اصلاً معنای توضیح یک مدل چیست؟

ما به این سوالات و سوالات دیگر در این دوره در مورد قابلیت توضیح یادگیری ماشین یا هوش مصنوعی (که به اختصار XAI نیز نامیده می‌شود) می‌پردازیم. ما رویکردهای نظری را معرفی خواهیم کرد و درک عملی از تکنیک‌های مختلف قابلیت توضیح در پایتون ایجاد خواهیم کرد.

این دوره یک بررسی از رویکردهای XAI از جمله بصری، توضیحات رفتار کلی مدل (به اصطلاح سراسری)، و همچنین چگونگی رسیدن مدل به تصمیم خود برای هر پیش‌بینی (به اصطلاح توضیحات محلی) ارائه می‌دهد قبل از اینکه به جزئیات انواع مختلف توضیحات بپردازد. ما هر رویکرد ارائه شده را برای یک کار رگرسیون و یا طبقه‌بندی اعمال خواهیم کرد؛ و شما با انجام تکالیف عملی تمرین بیشتری با این تکنیک‌ها خواهید کرد.

در پایان دوره، باید درک درستی از وضعیت فعلی رویکردهای XAI پیشرفته، مزایا و معایب آن‌ها داشته باشید. همچنین می‌توانید از ابزارهای آموخته شده در اینجا در موارد استفاده و پروژه‌های خود استفاده کنید.

XAI یک حوزه تحقیقاتی با سرعت در حال توسعه با بسیاری از سوالات باز است. اما یک چیز قطعی است: این حوزه هیچ جا نمی‌رود، همانطور که یادگیری ماشین و هوش مصنوعی برای همیشه ماندگار هستند.

این دوره برای چه کسانی مناسب است؟

• دانشجویان با مقداری تجربه در یادگیری ماشین و برنامه‌نویسی پایتون