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.
課程簡介
高級可解釋人工智能（XAI）技術簡介
- 回顧基本的XAI方法
- 解釋複雜AI模型的挑戰
- XAI研究與開發的趨勢
模型無關的可解釋性技術
- SHAP（SHapley Additive exPlanations）
- LIME（Local Interpretable Model-agnostic Explanations）
- Anchor解釋
模型特定的可解釋性技術
- 分層相關性傳播（LRP）
- DeepLIFT（Deep Learning Important FeaTures）
- 基於梯度的方法（Grad-CAM、Integrated Gradients）
解釋深度學習模型
- 解釋卷積神經網絡（CNNs）
- 解釋循環神經網絡（RNNs）
- 分析基於Transformer的模型（BERT、GPT）
處理可解釋性挑戰
- 解決黑箱模型的侷限性
- 平衡準確性與可解釋性
- 處理解釋中的偏見與公平性問題
XAI在現實世界系統中的應用
- XAI在醫療、金融和法律系統中的應用
- AI法規與合規要求
- 通過XAI建立信任與問責制
可解釋人工智能的未來趨勢
- XAI中的新興技術與工具
- 下一代可解釋性模型
- AI透明性的機遇與挑戰
總結與下一步
最低要求
- 紮實理解人工智能和機器學習
- 具備神經網絡和深度學習經驗
- 熟悉基本的XAI技術
受衆
- 經驗豐富的人工智能研究人員
- 機器學習工程師
21 時間：
