آموزش XAI: هوش مصنوعی قابل توضیح

سرفصل ها و درس ها

معرفی Introduction

• توضیح پذیری مدل چیست؟ What is model explainability?

• چرا توضیح پذیری؟ و چه زمانی نه؟ Why explainability? And when not?

• قابلیت توضیح: چه چیزی و چه زمانی؟ Explainability: what and when?

انواع توضیح پذیری Types of explainability

• انواع تبیین پذیری و طبقه بندی تبیین ها Types of explainability and taxonomy of explanations

• قابلیت توضیح در فرآیند توسعه مدل Explainability in the model development process

• انواع توضیح پذیری Types of explainability

توضیحات تصویری Visual explanations

• راه اندازی یک محیط مجازی پایتون و بسته های مورد نیاز Setting up a Python virtual environment and required packages

• معرفی مشکل Problem intro

• در مدل های شفاف و RuleFit On transparent models and RuleFit

• نمودارهای وابستگی جزئی: چه هستند، چگونه آنها را اعمال کنیم Partial dependency plots: what they are, how to apply them

• انتظارات مشروط فردی Individual conditional expectations

• نمودارهای PDP و ICE را روی مجموعه داده sklearn اعمال کنید Apply PDP and ICE plots on a sklearn dataset

توضیحات جهانی Global explanations

• مدل های جانشین جهانی Global surrogate models

• اهمیت ویژگی ها Feature importances

• جانشین جهانی و اهمیت ویژگی Global surrogate and feature importances

توضیحات محلی Local explanations

• اهک LIME

• ارزش های شیپلی Shapley values

• بیایید به محلی برویم: مقادیر LIME و Shapley Let's go local: LIME and Shapley values

بسته شدن Wrap up

• ممنون و خداحافظ! Thank you and goodbye!