لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مهندسی و تبیین تصمیمات مدلهای هوش مصنوعی
- آخرین آپدیت
دانلود Engineer & Explain AI Model Decisions
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره «مهندسی و تبیین تصمیمات مدلهای هوش مصنوعی» یک دوره سطح متوسط است که برای متخصصان یادگیری ماشین و هوش مصنوعی طراحی شده است تا بتوانند سیستمهای AI قابل اعتماد و قابل توجیه بسازند. در محیطهای پیچیده دادهای امروز، دقت بالا به تنهایی کافی نیست؛ شما باید بتوانید ثابت کنید چرا یک مدل تصمیمی خاص گرفته است و سوگیریهایی (Bias) که منجر به آسیبهای واقعی میشوند را برطرف کنید.
این دوره به شما قدرت میدهد تا مهندسی ویژگیهای پیشرفته را با روشهای تفسیرپذیری مدل ترکیب کنید تا استقراری اخلاقی و قابل اطمینان را تضمین نمایید. شما با تسلط بر تبدیل دادهها شروع خواهید کرد و یاد میگیرید چگونه لاگهای متنی و پراکنده (مانند تاریخچه چتهای پشتیبانی) را پاکسازی کرده و آنها را با استفاده از Python، scikit-learn، TF-IDF و تجمیع Embeddingها به تنسورهای ساختاریافته و آماده برای مدل تبدیل کنید.
در ادامه، با استفاده از تکنیکهای قدرتمند تبیینپذیری مانند SHAP، به درون «جعبه سیاه» مدلها نفوذ کرده و استدلالهای مدل را تحلیل خواهید کرد. شما روی نمونههای طبقهبندی اشتباه عیبیابی انجام میدهید، همبستگیهای کاذب (مانند وابستگی به ساعت روز) را شناسایی کرده و استراتژیهایی برای رفع سوگیریها توسعه میدهید. خروجی نهایی این دوره، یک «کیت ابزار تصمیمگیری مدل AI» است که منجر به تهیه یک گزارش تفسیرپذیری جامع برای ذینفعان میشود تا یافتههای فنی را به بینشهای تجاری قابل اجرا تبدیل کند. این دوره برای هر کسی که مسئول استقرار شفاف، قابل اعتماد و آگاه از سوگیریهای هوش مصنوعی در محیط عملیاتی است، ضروری است.
سرفصل ها و درس ها
پردازش دادههای محاورهای
Processing Conversational Data
از آشوب تا شفافیت: نیاز به مهندسی ویژگی
From Chaos to Clarity: The Need for Feature Engineering
تکنیکهای اصلی برای پردازش دادههای متنی
Core Techniques for Processing Text Data
ساخت خط لوله پیشپردازش در پایتون
Building a Preprocessing Pipeline in Python
تفسیرپذیری مدل، شناسایی سوگیری و ارتباطات
Model Interpretability, Bias Detection, and Communication
زمانی که مدلهای خوب تصمیمات اشتباه میگیرند
When Good Models Make Bad Decisions
درک تصمیمات مدل با استفاده از SHAP
Understanding Model Decisions with SHAP
نحوه اجرای SHAP روی دادههای طبقهبندی اشتباه
How to Run SHAP on Misclassified Data
ارائه یافتههای خود به ذینفعان
Presenting Your Findings to Stakeholders
نمایش نظرات