آموزش توسعه هوش مصنوعی قابل توضیح (XAI) - آخرین آپدیت

دانلود Developing Explainable AI (XAI)

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با ادغام هوش مصنوعی (AI) در حوزه‌های حساس مانند مراقبت‌های بهداشتی، امور مالی و عدالت کیفری، بسیار حیاتی است که سازندگان این سیستم‌ها فراتر از مدل‌های «جعبه سیاه» فکر کنند و سیستم‌هایی توسعه دهند که نه تنها دقیق، بلکه شفاف و قابل اعتماد باشند. این دوره یک معرفی جامع از هوش مصنوعی قابل توضیح (XAI) ارائه می‌دهد و شما را قادر می‌سازد تا راهکارهای هوش مصنوعی همسو با اصول هوش مصنوعی مسئولانه توسعه دهید. از طریق بحث‌ها، مطالعات موردی و مثال‌های واقعی، مهارت‌های زیر را کسب خواهید کرد: ۱. تعریف اصطلاحات و مفاهیم کلیدی XAI، از جمله تفسیرپذیری، توضیح‌پذیری و شفافیت. ۲. ارزیابی رویکردهای مختلف تفسیرپذیر و توضیح‌پذیر و درک نقاط قوت، ضعف و کاربردهای آن‌ها. ۳. ادغام توضیحات XAI در فرآیندهای تصمیم‌گیری برای افزایش شفافیت و اعتماد. ۴. ارزیابی سیستم‌های XAI از نظر استحکام، حریم خصوصی و ملاحظات اخلاقی جهت تضمین توسعه مسئولانه هوش مصنوعی. ۵. به‌کارگیری تکنیک‌های XAI در حوزه‌های پیشرفته مانند هوش مصنوعی مولد (Generative AI) برای پیشرو بودن در روندهای نوظهور. این دوره برای متخصصان هوش مصنوعی، دانشمندان داده، مهندسان یادگیری ماشین، مدیران محصول و هر کسی که در توسعه یا استقرار سیستم‌های AI نقش دارد، ایده‌آل است. با تسلط بر XAI، شما قادر خواهید بود راهکارهایی خلق کنید که علاوه بر قدرت، تفسیرپذیر، اخلاقی و قابل اعتماد باشند و چالش‌های حیاتی در حوزه‌های سلامت، مالی و قضایی را حل کنند. برای موفقیت در این دوره، باید تجربه ساخت محصولات هوش مصنوعی و درک پایه‌ای از مفاهیم یادگیری ماشین مانند یادگیری نظارت شده و شبکه‌های عصبی داشته باشید. این دوره تکنیک‌ها و کاربردهای هوش مصنوعی قابل توضیح را بدون ورود به جزئیات فنی بسیار عمیق پوشش می‌دهد.

سرفصل ها و درس ها

هوش مصنوعی مسئولانه Responsible AI

  • جعبه سیاه: انگیزه برای XAI The Black Box: Motivation for XAI

  • یک تصمیم درست A Good Decision

  • تعریف تفسیرپذیری، توضیح‌پذیری و شفافیت Defining Interpretability, Explainability, and Transparency

  • هوش مصنوعی مسئولانه Responsible AI

  • سوگیری الگوریتمی Algorithmic Bias

مرور کلی هوش مصنوعی قابل توضیح Explainable AI Overview

  • چالش‌ها و سبک-سنگین کردن‌ها در XAI Challenges & Tradeoffs in XAI

  • یادگیری ماشین تفسیرپذیر Interpretable ML

  • تکنیک‌های توضیح‌دهی Explanation Techniques

  • توضیحات شبکه‌های عصبی عمیق Deep Neural Network Explanations

  • توضیح هوش مصنوعی مولد Explaining Generative AI

  • چالش‌های XAI در مدل‌های زبانی بزرگ (LLM) XAI in LLM Challenges

  • XAI در تنظیم دقیق (Fine-tuning) مدل‌های زبانی XAI in LLM Fine-tuning

  • XAI در مهندسی پرامپت (Prompting) مدل‌های زبانی XAI in LLM Prompting

  • XAI در تقویت دانش (RAG) XAI in Knowledge Augmentation (RAG)

  • روندهای نوظهور، چالش‌های باز و ملاحظات Emerging Trends, Open Challenges, and Considerations

توسعه سیستم‌های XAI Developing XAI Systems

  • تعامل انسان و هوش مصنوعی Human-AI Interaction

  • ملاحظات UX و بهترین روش‌ها UX Considerations and Best Practices

  • سخنرانی مهمان: هوش مصنوعی و تجربه کاربری [رایان بولیک، مدیر محصول در Driver] Guest Lecture - AI+UX [Ryan Bolick, Head of Product at Driver]

  • ادغام XAI در فرآیند تصمیم‌گیری Integrating XAI in the Decision-making Process

  • مطالعه موردی هدایت شده (تصمیم‌گیری) Guided Case Study (Decision-Making)

  • اهمیت و معرفی ارزیابی XAI Importance and Introduction to XAI Evaluation

  • ارزیابی انسانی Human Evaluation

  • ارزیابی عملکردی Functional Evaluation

  • وظایف پروکسی، عدالت و ارزیابی تخصصی Proxy Tasks, Fairness, Specialization Evaluation

  • مقدمه‌ای بر امنیت و استحکام XAI Introduction to XAI Security and Robustness

  • آموزش مدل‌های مستحکم Robust Model Training

  • حریم خصوصی و حفاظت از داده‌ها Data Privacy and Protection

  • قابلیت حسابرسی و نظارت مستمر Auditability and Continuous Monitoring

  • مطالعه موردی هدایت شده Guided Case Study

نمایش نظرات

آموزش توسعه هوش مصنوعی قابل توضیح (XAI)
جزییات دوره
8h 41m
29
(آخرین آپدیت)
5,815
4.2 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده