کارگاه آموزشی کیفیت هوش مصنوعی: نحوه تست و اشکال زدایی مدل های ML

سرفصل ها و درس ها

خوش آمدی! بیا راه اندازی کنیم Welcome! Let's get set up

• خوش آمدید - آنچه از این دوره به دست خواهید آورد Welcome - what you'll get from this course

• نحوه تنظیم دسترسی رایگان TruEra خود در app.truera.net/signup How to set up your free TruEra access at app.truera.net/signup

• نحوه استفاده از Google Colab برای TruEra How to use Google Colab for TruEra

تست ML ML Testing

• مقدمه ای بر تست ML Introduction to ML Testing

• تست های اجرا و تفسیر Running and Interpreting Tests

• ایجاد تست های جدید Creating New Tests

قابلیت توضیح ML ML Explainability

• مقدمه ای بر توضیح پذیری ML Introduction to ML Explainability

• مروری بر روش‌های اهمیت ویژگی Overview of Feature Importance Methods

• مقادیر Shapley - تعریف پرس و جو Shapley Values - Query Definition

• مقادیر Shapley - مقایسه خروجی های مدل Shapley Values - Comparing Model Outputs

• ارزش های Shapley - برخورد با تعاملات ویژگی Shapley Values - Dealing with Feature Interactions

• ارزش های Shapley - خلاصه سازی Shapley Values - Summarization

• نمای کلی - توضیحات مبتنی بر گرادیان برای بینایی کامپیوتر Overview - Gradient Based Explanations for Computer Vision

• طراحی - توضیحات مبتنی بر گرادیان برای بینایی کامپیوتر Design - Gradient-Based Explanations for Computer Vision

• ارزیابی - توضیحات مبتنی بر گرادیان برای بینایی کامپیوتر Evaluation - Gradient-Based Explanations for Computer Vision

• آموزش عملی - قابل توضیح Hands-On Learning - Explainability

• امتحان - توضیح پذیری Quiz - Explainability

• نمایش - تحلیل جهانی و محلی قابل توضیح Demonstration - Global and Local Explainability Analysis

رانش Drift

• مقدمه ای بر دریفت Introduction to Drift

• منابع دریفت: چرا دریفت اتفاق می افتد؟ Sources of Drift: Why Does Drift Happen?

• آزمون دریفت شماره 1 Drift Quiz #1

• شناسایی دریفت: معیارها Identifying Drift: Metrics

• شناسایی دریفت: چالش ها Identifying Drift: Challenges

• چگونه دریفت را کاهش دهیم How to Mitigate Drift

• آموزش عملی: دریفت Hands-on Learning: Drift

• آزمون دریفت شماره 2 Drift Quiz #2

• نمایش - رفتن از خلاصه مدل به تجزیه و تحلیل دریفت Demonstration - Going from the Model Summary to Drift Analytics

اشکال زدایی عملکرد ML ML Performance Debugging

• مقدمه ای بر اشکال زدایی عملکرد ML Introduction to ML Performance Debugging

• روش اشکال زدایی عملکرد ML ML Peformance Debugging Methodology

• معیارهای عملکرد ML - طبقه بندی ML Performance Metrics - Classification

• معیارهای عملکرد ML - رگرسیون ML Performance Metrics - Regression

• محدود کردن دامنه مسائل مربوط به عملکرد ML Narrowing Down the Scope of ML Performance Issues

• آموزش عملی: اشکال زدایی عملکرد Hands-On Learning: Performance Debugging

• امتحان: اشکال زدایی عملکرد Quiz: Performance Debugging

• نمایش - اشکال زدایی عملکرد Demonstration - Performance Debugging

تعصب و انصاف در یادگیری ماشینی Bias and Fairness in Machine Learning

• مقدمه ای بر تعصب و انصاف در ML Introduction to Bias and Fairness in ML

• جهان بینی عدالت در یادگیری ماشینی Worldviews of Fairness in Machine Learning

• چگونه یک متریک انصاف را انتخاب کنیم How to Pick a Fairness Metric

• چگونه مدل ML شما ناعادلانه می شود؟ How Does Your ML Model Become Unfair?

• نمایش: انصاف و تعصب در ML Demonstration: Fairness and Bias in ML

• یادگیری عملی: تعصب و انصاف در ML Hands-On Learning: Bias and Fairness in ML

• امتحان: انصاف و تعصب در ML Quiz: Fairness and Bias in ML