آموزش هوش مصنوعی مسئولانه در عمل: عدالت، سوگیری و تفسیرپذیری - آخرین آپدیت

اندازه‌گیری و کاهش سوگیری Bias Measurement and Mitigation

• معرفی دوره: هوش مصنوعی مسئولانه در عمل: عدالت، سوگیری و تفسیرپذیری Course Introduction: Responsible AI in Practice: Fairness, Bias & Explainability

• از تعاریف تا معیارها: به‌کارگیری معیارهای عدالت From Definitions to Metrics: Applying Fairness Metrics

• کارگاه عملی: مقایسه معیارهای عدالت در یک مدل استخدام Hands-On: Comparing Fairness Metrics on a Hiring Model

• کارگاه عملی: تفسیر معیارهای عدالت در گروه‌های مختلف Hands-On: Interpreting Fairness Metrics Across Groups

• سوگیری برچسب‌ها و ریسک‌های حقیقت زمینی جایگزین (Proxy Ground Truth) Label Bias and Proxy Ground Truth Risks

• کارگاه عملی: تست عدالت متقابل با گراف‌های علی Hands-On: Counterfactual Fairness Testing with Causal Graphs

• استراتژی‌های کاهش سوگیری Bias Mitigation Strategies

• کارگاه عملی: مقایسه استراتژی‌های کاهش سوگیری در مدل استخدام Hands-On: Comparing Mitigation Strategies on the Hiring Model

• توازن میان عدالت و دقت Fairness–Accuracy Trade-Offs

تفسیرپذیری پیشرفته مدل Advanced Model Interpretability

• تفسیرپذیری مدل: مبانی و رویکردها Model Interpretability: Foundations and Approaches

• توضیح پیش‌بینی‌های مدل با استفاده از LIME و SHAP Explaining Model Predictions using LIME and SHAP

• کارگاه عملی: عیب‌یابی مدل وام با استفاده از SHAP Hands-On: Debugging a Loan Model with SHAP

• توضیحات متقابل: تولید، پذیرفتنی بودن و پراکندگی Counterfactual Explanations: Generation, Plausibility, and Sparsity

• ارزیابی وفاداری توضیحات در سیستم‌های هوش مصنوعی تفسیرپذیر Evaluating Explanation Fidelity in Interpretable AI Systems

• پایداری و استحکام در توضیحات هوش مصنوعی Stability and Robustness in AI Explanations

• کارگاه عملی: شناسایی توضیحات غیروفادار یا گمراه‌کننده Hands-On: Detecting Unfaithful or Misleading Explanations

• محدودیت‌های تفسیرپذیری پس‌ینی (Post Hoc) Limits of Post-Hoc Interpretability

حملات حریم خصوصی، دفاع و توازن‌ها Privacy Attacks, Defenses, and Trade-Off's

• حملات استنتاج عضویت (Membership Inference Attacks) Membership Inference Attacks

• کارگاه عملی: اجرای حمله استنتاج عضویت روی یک مدل آموزش‌دیده Hands-On: Running a Membership Inference Attack on a Trained Model

• حملات معکوس‌سازی مدل و استنتاج ویژگی‌ها Model Inversion and Attribute Inference Attacks

• درک مکانیسم‌های حریم خصوصی تفاضلی Understanding Differential Privacy Mechanisms

• کارگاه عملی: مقایسه عملکرد مدل‌های خصوصی در مقابل غیرخصوصی Hands-On: Comparing Private vs. Non-Private Model Performance

• کارگاه عملی: ارزیابی نشت حریم خصوصی و توازن‌های مدل Hands-On: Evaluating Privacy Leakage and Model Trade-offs

• مثلث غیرممکن: عدالت، حریم خصوصی و دقت The Impossibility Triangle: Fairness, Privacy, and Accuracy

• کارگاه عملی: کاوشگر تعاملی جبهه پارتو (Pareto Frontier) Hands-On: Interactive Pareto Frontier Explorer

• طراحی حساس به ارزش Value-Sensitive Design

• کارگاه عملی: ساخت سوابق تصمیم‌گیری توازن برای بررسی ذینفعان Hands-On: Building a Trade-Off Decision Record for Stakeholder Review

جمع‌بندی دوره و ارزیابی‌ها Course Wrap-Up and Assessments

• جمع‌بندی دوره: هوش مصنوعی مسئولانه در عمل: عدالت، سوگیری و تفسیرپذیری Course Summary: Responsible AI in Practice: Fairness, Bias & Explainability