آموزش هوش مصنوعی مسئولانه برای توسعه‌دهندگان: تفسیرپذیری و شفافیت - آخرین آپدیت

دانلود Responsible AI for Developers: Interpretability & Transparency - 日本語版

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، مفاهیم تفسیرپذیری و شفافیت در هوش مصنوعی (AI) را بررسی می‌کنیم. اهمیت شفافیت AI از دیدگاه توسعه‌دهندگان و مهندسان تحلیل شده و روش‌ها و ابزارهای عملی برای دستیابی به تفسیرپذیری و شفافیت در داده‌ها و مدل‌های هوش مصنوعی مورد بحث قرار می‌گیرد.

سرفصل ها و درس ها

مقدمه دوره コース概要

  • مقدمه دوره コース概要

تفسیرپذیری و شفافیت در هوش مصنوعی AI の解釈可能性と透明性

  • مفاهیم تفسیرپذیری و شفافیت 解釈可能性と透明性の概要

  • مبانی روش‌های تفسیرپذیری 解釈可能性手法の概要

  • توضیح ویژگی‌ها: مدل‌های غیرپارامتریک 特徴ベースの説明: モデル非依存

  • توضیح ویژگی‌ها: مدل‌های پارامتریک 特徴ベースの説明: モデル依存

  • توضیح مفاهیم Concept و Saliency コンセプトベースおよびサンプルベースの説明

  • ابزارهای مرتبط با تفسیرپذیری 解釈可能性に関するツール

  • شفافیت در داده‌ها و مدل‌ها データとモデルの透明性

  • آزمایشگاه: Vertex Explainable AI ラボ: Vertex Explainable AI

  • شروع کار با Google Cloud Platform و Qwiklabs در Coursera Coursera: Google Cloud Platform と Qwiklabs を使って開始する

جمع‌بندی دوره コースのまとめ

  • جمع‌بندی دوره コースのまとめ

منابع دوره コースのリソース

نمایش نظرات

آموزش هوش مصنوعی مسئولانه برای توسعه‌دهندگان: تفسیرپذیری و شفافیت
جزییات دوره
3h 10m
11
(آخرین آپدیت)
5
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar