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
可解釋人工智能簡介
- 什麼是可解釋人工智能（XAI）？
- AI模型透明度的重要性
- AI可解釋性中的關鍵挑戰
基本的XAI技術
- 模型無關方法：LIME、SHAP
- 模型特定的可解釋性方法
- 解釋黑箱模型的決策
XAI工具實踐
- 開源XAI庫簡介
- 在簡單的機器學習模型中實現XAI
- 可視化解釋和模型行爲
可解釋性中的挑戰
- 準確性與可解釋性之間的權衡
- 當前XAI方法的侷限性
- 處理可解釋模型中的偏見和公平性
XAI中的倫理考量
- 理解AI透明性的倫理影響
- 在可解釋性與模型性能之間取得平衡
- XAI中的隱私和數據保護問題
XAI的實際應用
- XAI在醫療、金融和執法領域的應用
- 可解釋性的監管要求
- 通過透明性建立對AI系統的信任
高級XAI概念
- 探索反事實解釋
- 解釋神經網絡和深度學習模型
- 解釋複雜的AI系統
可解釋人工智能的未來趨勢
- XAI研究中的新興技術
- 未來AI透明性的挑戰與機遇
- XAI對負責任AI開發的影響
總結與下一步
最低要求
- 對機器學習概念的基本理解
- 熟悉Python編程
受衆
- AI初學者
- 數據科學愛好者
14 時間：
